[논문]광역의 가뭄 분석을 위한 위성영상의 활용

정수; 신사철

문제 정의

가정할 수 있다. 기상조건에는 다양한 요소들이 포함될 수 있으나 본 연구에서는 쉽게 구할 수 있는 기온만을 이용하고자 하였다. 따라서, 중회귀 분석을 통해 NDVI와 기온자료로부터 증발산량을 추정하기 위한 식을 본 연구의 대상 지역인 낙동강 유역을 대상으로 개발하였다.
본 연구에서는 낙동강권역에 대한 가뭄 상황을 감시하고 그 상황을 해소하기 위한 필요강우량을 산정하는 데 있어서 위성영상을 활용하여 분석을 실시하였으며 다음과 같은 결론을 얻었다.
본 연구에서는 미국 NASA가 운용하고 있는 저해상도 지구관측위성 영상인 MODIS 자료를 활용하여 우리나라 낙동강 권역을 대상으로 위성자료와 기상자료를 결합하는 실제 증발산량 산정방법을 제시하였다. 기상자료의 경우 비교적 쉽고 정확한 값을 얻을 수 있는 기온 자료만을 이용함으로써 실제의 활용이 용이하도록 하였다.
본 연구에서는 식생 등급을 수체, 도시, 농경지, 낙엽수, 상록수 지역으로 식생 등급을 분류하고자 하였다. 각 월별 NDVI 자료를 이용하면 월별 식생상태는 파악할 수 있지만, 장기간에 걸친 식생상태를 파악하기 어렵다.

가설 설정

Morton의 유역증발 산량 모형은 유역의 실제 증발산량과 지점의 잠재 증발산량과의 합이유역의 잠재증발산량의 2배와 같으며, 이는 상호 보완적 관계로서 작용한다는 것을 가정으로 한다.
이 방법을 적용하기 위한 시작월은 충분히 토양의 수분 조건이 포화된 것으로 판단할 수 있는 월을 선정하게 되며 토양 수분 보유능 WC는 200mm를 가정하였다. 이러한 기후학적 물수지를 위한 개략적인 흐름도를 그림 7에 나타내었다.
증발산 현상은 여러 가지 기상요소 등에 의해 영향을 받으며, 식생 또한 기온, 일사 등의 기상조건에 크게 영향을 받는다 따라서 식생과 증발산량은 강한 상관관계가 성립하는 것으로 가정할 수 있다. Rimming과 Nemani(1988) 는 NDVI의 적분값인 iNDVI가 연증발산량과의 사이에 비례관계가 성립함을 보고하였다.

제안 방법

MODIS 자료를 이용해 산정한 실제 증발 산량 분포 자료를 강우 분포 자료와 잠재 증발산량 분포 자료와 결합하여 기후학적 물수지를 산정하였다. 기후학적 물 수지를 기반으로 낙동강권역에서의 강우량과 증발산량의 대소관계에 의해 토양 수분 및 부족 수분량을 결정함으로써, 해당 자료의 시기(월)에 대한 필요강우량을 산정하였다.
기준이 되는 실제증발 산량은 실관 측에 의한 정확한 값이어야 하나광역에 대해 실제 증발산량을 직접 관측하는 것은 현재로서는 매우 어려운 일이므로, 본 연구에서는 보완관계식에 의해 실제 증발산량을 추정하였다.
기후학적 물수지를 산정하였다. 기후학적 물 수지를 기반으로 낙동강권역에서의 강우량과 증발산량의 대소관계에 의해 토양 수분 및 부족 수분량을 결정함으로써, 해당 자료의 시기(월)에 대한 필요강우량을 산정하였다.
기후학적 물수지 모형에 의해 2001년 도와 2002년도의 3월부터 11월까지의 낙동강권역에 대한 월별 부족수분량 분포도를 작성하였으며, 그림 8에는 본 연구에서 작성한 월별 부족 수분량 분포도의 예가 나타나 있다.
NDVI 자료의 최대값을 구한 동계 NDVI 자료를 제작하였다. 동계 NDVI 자료에 대해 NDVI가 가장 높게 분포된 지역을 화면상에서 판독하여 6개의 지역에 대해 AOI를 설정한 후 이를 기준으로 식생지역과 비식생 지역을 구분하였다. 이렇게 제작된 동계 식생지 역을 상록수 지역으로 설정하고, 앞서 4개의 클래스로 분류한 영상에 중첩함으로써, 수체, 도시, 농경지, 낙엽수, 상록수 등 5개의 클래스로 분류된 식생 등급 분류 자료를 제작하였다.
포함된다. 따라서 두 구역에 대해 AOI를 설정하여 남한 지역을 추출하고, 모자이크 영상을 생성하였다. 이러한 처리는 ERDAS Imagine 소프트웨어를 활용하였다.
각 월별 NDVI 자료를 이용하면 월별 식생상태는 파악할 수 있지만, 장기간에 걸친 식생상태를 파악하기 어렵다. 따라서 본 연구에서는 20()1년 3월부터 11월까지, 그리고, 2002년 3월부터 11월까지의 총 18개의 월별 NDVI를 적분한 iNDVI(intergrated NDVI)를 작성하여 식생 등급 분류에 이용하였다. 그림 4에는 본 연구에서 제작한 iNDVI 자료가 나타나 있다.
따라서, Brutsaert와 Stricker(1979)는 Penman의 방법과 PHestly-Taylor 방법을 직접 이용하는 관계식을 제안하였다 그러나 Ben-Asher(1981) 는 유역의 물수지와 Brutsaert와 Stricker의 방법에 의한 증발산량을 비교한 결과, Brutsaert와 Stricker의 방법에 의한 증발산량은 연총량에서는 정확도가 높으나 월 단위에서는 겨울철의 증발산량을 과소평가한다는 연구 결과를 보고하였다. 따라서 본 연구에서는 Brutsaert와 Stricker식에 Morton에 의해 적용된 이 류항을 고려하여 과소평가의 보정을 수행하였다.
따라서, 전체 기간을 대상으로 회귀분석을 실시하는 것보다 식생의 활성도 변화에 따른 기간 구분을 통해 회귀분석을 실시하는 것이 보다 정확도를 높이는 방법이다 (신사철, 2004). 따라서 본 연구에서는 식물이 성장하는 단계인 3월부터 8월까지의 기간과 저장하는 단계인 9월부터 11월까지의 기간으로 구분하여 회귀분석을 실시하였으며, 그 결과는 표 1과 같다.
기상조건에는 다양한 요소들이 포함될 수 있으나 본 연구에서는 쉽게 구할 수 있는 기온만을 이용하고자 하였다. 따라서, 중회귀 분석을 통해 NDVI와 기온자료로부터 증발산량을 추정하기 위한 식을 본 연구의 대상 지역인 낙동강 유역을 대상으로 개발하였다.
포함하고 있지 않다. 따라서, 환경부 토지 피복 분류자료를 기준으로는 수체, 도시, 농경지, 산림 등 4개의 클래스를 분류하였다.
본 연구에서는 NDVI 자료를 추출한 후에 NASA에서 제공흐]는 MODIS repro jection tool을 이용하여 우리나라에서 사용 중인 Tokyo datum기준의 TM좌표계로 좌표 변환을 흐 1였다. 또한 Ibyte 크기의 ]\【1川1수치값(。]急观血1 number)를 헤더 파일에서 제공하는 gain과 offset을 이용하여 8byte의 실수형의 NDVI 값으로 변환하였다.
index)를 추출할 수 있다. 본 연구에서는 NDVI 자료를 추출한 후에 NASA에서 제공흐]는 MODIS repro jection tool을 이용하여 우리나라에서 사용 중인 Tokyo datum기준의 TM좌표계로 좌표 변환을 흐 1였다. 또한 Ibyte 크기의 ]\【1川1수치값(。]急观血1 number)를 헤더 파일에서 제공하는 gain과 offset을 이용하여 8byte의 실수형의 NDVI 값으로 변환하였다.
있다. 본 연구에서는 인공위성 자료의 특성상 1개월 간격으로 분석이 실시되므로 발생한 가뭄이 해소되기 위해 필요한 강우량은 1개월 동안에 필요한 강우량으로서 다음 월의 토양 수분이 포화상태(Wc=200mm) 에 이르게 될 수 있는 필요강우량을 산정하였다.
위의 방법을 통하여 2(X)1년과 2002년의 낙동강 권역에 대한 증발산량을 산정하였다. 그림 3은 2001과 2002년에 대한 월증발 산량을 나타내고 있다.
동계 NDVI 자료에 대해 NDVI가 가장 높게 분포된 지역을 화면상에서 판독하여 6개의 지역에 대해 AOI를 설정한 후 이를 기준으로 식생지역과 비식생 지역을 구분하였다. 이렇게 제작된 동계 식생지 역을 상록수 지역으로 설정하고, 앞서 4개의 클래스로 분류한 영상에 중첩함으로써, 수체, 도시, 농경지, 낙엽수, 상록수 등 5개의 클래스로 분류된 식생 등급 분류 자료를 제작하였다. 그림 5에는 본 연구에서 분류한 식생 등급 자료가 나타나 있다.
기준으로 하여 16일 간격으로 제공된다. 이를 이용하여 각 월별 NDVI를 산정하기 위해서는 각 달에 해당하는 NDVI 영상 중에서 동일 위치의 영상소의 최대 값을 취함으로써 월별 NDVI를 결정하였다. 이는 구름 등의 기상 상황 등에 의해 NDVI값이 실제보다 낮게 산정된 것을배제시키기 위함이다.
잠재 증발산량 분포도는 3월부터 11월까지의 월별 자료를 20()1년과 2002년에 대해 작성하였다. 그림 2에는 본 연구에서 생성한 낙동간 권역의 증발산량 분포도의 예가 나타나 있다.
표 1의 회귀식을 이용하여 2001년 도와 2002년 도의 3 월부터 11월까지의 낙동강권역에 대한 월별 증발산량 분포도를 작성하였으며, 그림 6에는 본 연구에서 작성한 월별 증발산량 분포도의 예가 나타나 있다.

대상 데이터

NASA는 MODIS영상의 대기 보정된 식생지수(vegetation indices) 제품(Product ID : M0D13)을 http://edcimswww.cr/ pub/imswel-come/index.html)를 통해 무료로 배포하고 있으며, 본 연구에서도 이 제품을 이용하였다
iNDVI 자료를 이용하여 식생 등급을 분류하는 데에는 감독 분류 방법을 적용하였고, 감독 분류를 위한 기준 자료는 한국환경부에서 제작한 토지피복분류자료를 이용하였다.
강우량 공간분포 자료를 생성하였다. 강우량 공간분포자료는 3월부터 11월까지의 월별 자료를 2001년과 2002년에 대해 작성하였다. 그림 1에는 본 연구에서 생성한 낙동간 권역의 강우량 공간분포 자료의 예가 나타나 있다.
본 연구의 대상기간은 2001년과 2002년이다. 겨울철의 경우에는 적설의 영향을 받아 의해 NDVI의 산정이 용이하지 않으므로 12월, 1월, 2월은 월별 NDVI 산정에서 제외하였다.
산림지역을 낙엽수 지역과 상록수 지역으로 분류하기 위해서 2001년과 2002년의 1월, 2월, 12월 등 총 6개의 월별 NDVI 자료의 최대값을 구한 동계 NDVI 자료를 제작하였다. 동계 NDVI 자료에 대해 NDVI가 가장 높게 분포된 지역을 화면상에서 판독하여 6개의 지역에 대해 AOI를 설정한 후 이를 기준으로 식생지역과 비식생 지역을 구분하였다.

이론/모형

관측값을 제외한 각 값은 이하의 근사식을 이용하여 산정하였다(Kotoda, 1986).
또한 순방 사량 추정식으로서 Penman에 의해 제안된 다음식을 이용하였다.
본 연구에서는 기온만을 변수로 하여간단히 잠재증발산량을 산정할 수 있는 Hamon 방법을 적용하여 우리나라 전역에 대한 잠재 증발산량을 산정하였다
본 연구에서는 낙동강권역에 위치한 22개 기상관측소 (울진, 안동, 포항, 대구, 울산, 마산, 부산통영 진 주 태백, 춘양, 영주, 문경, 영덕, 의성, 구미, 영천, 거창, 합천, 밀양, 산청, 거제)에서 획득된 지점별 강우량을 이용하여역거리 가중법(inverse distance method)에 의해 낙동강권역의 강우량 공간분포 자료를 생성하였다. 강우량 공간분포자료는 3월부터 11월까지의 월별 자료를 2001년과 2002년에 대해 작성하였다.
이때 사용되는 albedo a와 soil heat flux 계수 q 은 각 토지이용 별로 경험적으로 얻어진 Kotoda(1986)에 의한 값을 이용하였다.
따라서 두 구역에 대해 AOI를 설정하여 남한 지역을 추출하고, 모자이크 영상을 생성하였다. 이러한 처리는 ERDAS Imagine 소프트웨어를 활용하였다.

성능/효과

둘째, NDVI가 지표면의 건습을 평가하는 기본 자료로 활용될 수 있다는 것을 입증함으로써, 위성영상자료를 이용한 가뭄의 감시가 효과적임을 알 수 있었다.
셋째, 본 연구에서 사용한 MODIS 자료는 현재 시계열 자료의 취급이 가능하면서 양호한 공간 해상도를 제공하므로 가뭄분석에 효과적으로 사용될 수 있음을 알 수 있었고, 향후에도 위성영상을 이용한 가뭄분석을 위해서는 NDVI 시계열 자료를 제공할 수 있는 위성영상이계속적으로 운용될 필요가 있음을 알 수 있었다.
첫째, 인공위성에 의해 획득되는 식생정보를 이용하여 간접적으로 가뭄을 평가하는 기법을 이용함으로써, 지표면의 특성을 공간적으로 반영하는 광역의 가뭄평가 방법을 제시할 수 있었다.

후속연구

이와 같은 방법으로 가뭄 발생 시 해당 가뭄이 해소되기 위한 필요강우량을 역산하여 추정함으로서 수자원 시설물의 효율적 관리방안 및 미래에 대한 대비책을 강구하는데 활용할 수 있을 것이다.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

광역의 가뭄 분석을 위한 위성영상의 활용
The Application of Satellite Imagery in Droughts Analysis of Large Area 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

광역의 가뭄 분석을 위한 위성영상의 활용 The Application of Satellite Imagery in Droughts Analysis of Large Area 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

저자의 다른 논문 :

신사철 (27)

관련 콘텐츠

원문 보기

원문 URL 링크

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

광역의 가뭄 분석을 위한 위성영상의 활용
The Application of Satellite Imagery in Droughts Analysis of Large Area 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper