식생의 변화는 강수, 기온, 유출 등의 수문기상변수들의 변화와 상당히 밀접한 연관성을 가지고 있다. 식생의 변화에 대한 분석은 곧 기후변화의 지역적 영향을 이해하는데 큰 도움이 될 것이다. 따라서 본 연구에서는 우리나라 지역에 대해서 NOAA/AVHRR 정규식생지수(NDVI)의 시공간변화도를 분석하였다. Mann-Kendall 검정을 이용한 연평균 정규식생지수의 추세분석결과는 대상기간(1982년~2006년)동안 대부분의 유역에서 통계적 유의성을 가진 선형적인 추세변화는 없는 것으로 나타났으나, 금강유역에서 통계적 신뢰수준 90%의 하향추세가 있었다. 또한 EOF 분석을 이용한 주성분분석결과 북쪽지역으로 갈수록 표고가 높을수록 식생의 변화도가 큰 것으로 나타났다. 이는 지형변화에 상관성이 높은 연평균 정규식생지수의 공간분포와 달리 위경도 변화에 대응하는 분산분포 변화특성에 기인한 것으로 판단된다. 계절별로는 6월~9월까지의 정규식생지수가 높게 나타났으며, 이 기간 중에서 7월경에 다소 감소하는 경향을 보여주었다. 유역별로는 한강유역의 정규식생지수가 가장 높았으며, 제주도가 가장 낮은 것으로 나타났다.
식생의 변화는 강수, 기온, 유출 등의 수문기상변수들의 변화와 상당히 밀접한 연관성을 가지고 있다. 식생의 변화에 대한 분석은 곧 기후변화의 지역적 영향을 이해하는데 큰 도움이 될 것이다. 따라서 본 연구에서는 우리나라 지역에 대해서 NOAA/AVHRR 정규식생지수(NDVI)의 시공간변화도를 분석하였다. Mann-Kendall 검정을 이용한 연평균 정규식생지수의 추세분석결과는 대상기간(1982년~2006년)동안 대부분의 유역에서 통계적 유의성을 가진 선형적인 추세변화는 없는 것으로 나타났으나, 금강유역에서 통계적 신뢰수준 90%의 하향추세가 있었다. 또한 EOF 분석을 이용한 주성분분석결과 북쪽지역으로 갈수록 표고가 높을수록 식생의 변화도가 큰 것으로 나타났다. 이는 지형변화에 상관성이 높은 연평균 정규식생지수의 공간분포와 달리 위경도 변화에 대응하는 분산분포 변화특성에 기인한 것으로 판단된다. 계절별로는 6월~9월까지의 정규식생지수가 높게 나타났으며, 이 기간 중에서 7월경에 다소 감소하는 경향을 보여주었다. 유역별로는 한강유역의 정규식생지수가 가장 높았으며, 제주도가 가장 낮은 것으로 나타났다.
The variability of vegetation is strongly related to the variability of hydrometeorological factors such as precipitation, temperature, runoff and so on. Analysis of the variability of vegetation will aid to understand the regional impact of climate change. Thus we analyzed the spatial-temporal vari...
The variability of vegetation is strongly related to the variability of hydrometeorological factors such as precipitation, temperature, runoff and so on. Analysis of the variability of vegetation will aid to understand the regional impact of climate change. Thus we analyzed the spatial-temporal variability of NOAA(National Oceanic and Atmospheric Administration)/AVHRR(Advanced Very High Resolution Radiometer) NDVI(Normalized Difference Vegetation Index). In the results from Mann-Kendall test, there is no significant linear trend of annual NDVI from 1982 to 2006 in the most area except the downward trend on the significance level 90% in the Guem-river basin area. In addition, using EOF(Empirical Orthogonal Function) analysis, the variability of NDVI in the region of higher latitude and altitude is higher than that in the other region since the spatial variability of NDVI follows the latitudinal gradient. Also we could get higher NDVI in June, July, August and September. We had the highest NDVI in Han-river basin area and the lowest in Je-Ju island.
The variability of vegetation is strongly related to the variability of hydrometeorological factors such as precipitation, temperature, runoff and so on. Analysis of the variability of vegetation will aid to understand the regional impact of climate change. Thus we analyzed the spatial-temporal variability of NOAA(National Oceanic and Atmospheric Administration)/AVHRR(Advanced Very High Resolution Radiometer) NDVI(Normalized Difference Vegetation Index). In the results from Mann-Kendall test, there is no significant linear trend of annual NDVI from 1982 to 2006 in the most area except the downward trend on the significance level 90% in the Guem-river basin area. In addition, using EOF(Empirical Orthogonal Function) analysis, the variability of NDVI in the region of higher latitude and altitude is higher than that in the other region since the spatial variability of NDVI follows the latitudinal gradient. Also we could get higher NDVI in June, July, August and September. We had the highest NDVI in Han-river basin area and the lowest in Je-Ju island.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
지난 수십년간 기후관련 변수들의 시공간변화와 관련한 주요변화패턴들의 특성을 분석하기 위하여 EOF분석 기법이 널리 사용되었다. 본 연구에서도 정규식생지수의 시공간변화 특성을 분석하기 위하여 EOF 분석을 수행하였다. EOF 분석기법은 선형적으로 독립한 소수의 EOF가 변수의 전체 변화도 중 많은 부분을 설명할 수 있어 공간 변화의 주패턴을 특성화하기 쉬운 장점을 가진다(유철상 등, 2006).
가설 설정
원래 이 방법은 계절적 영향을 받는 자료에 대해서는 적용되지 않았으나, Hirsh와 Slack(1984)에 의해서 확장되었다. 전통적인 통계검정기법들이 모평균의 분포를 동일한 분산에 대해 정규분포로 가정하고 분석을 하는데 비하여 이 기법은 단지 연속적인 모평균을 가진다는 가정 하에서 분석을 수행한다(Gibbons, 1990).
제안 방법
5°N, 행 83, 열 58) 을 분리하였으며, 이를 다시 공간해상도 8 km의 TM(Transverse Mercator) 좌표계로 변환하였다. 각 격자점에 대하여 표준편차를 구한 결과 바다와 육지의 경계지역에서 적절한 범위의 값을 가지고는 있으나 표준편차가 영(0)으로 나타나는 격자점에 대해서는 이상치(outlier)로 판단하여 제거하는 과정을 수행하였다. 분석에 사용된 자료의 기간은 1982년 1월부터 2006년 12월까지(300개월)이며, 매월 2회에 대하여 가용한 자료를 평균한 월별 정규식생지수 자료를 사용하였다.
기존의 정규식생지수와 관련 국내 연구들은 대부분 가뭄모니터링의 목적으로 이루어졌으며, 정규식생지수 자체의 변동특성에 대한 연구는 부족한 실정이다. 따라서 본 연구는 우리나라 식생의 시공간변화도 분석에 중점을 두었으며, 분석기법으로는 비모수적 추세검정기법인 Mann-Kendall 검정을 이용하여 대상기간동안 정규식생지수의 연 및 월별 선형추세변화를 분석하고 주성분 분석기법인 EOF 분석을 이용하여 시공간적 변화 특성을 분석하였다. NOAA/AVHRR로부터 계산된 정규식생지수 중 일반적으로 많이 활용되고 있는 자료는 PAL(Pathfinder AVHRR Land)(James, Kalluri, 1994; El Saleous 등, 2000), FASIR(Fourier-Adjustment, Solar zenith angle corrected, Interpolated Reconstructed)(Sellers, 1994; Los 등, 2000), 그리고 GIMMS(Global Inventory Monitoring and Modelling Studies)(Pinzon, 2002; Pinzon 등, 2004; Tucker 등, 2005) 등이 있으나, 본 연구에서는 PAL(1981년~2001년)이나 FASIR(1982년~1999년)에 비하여 자료가용기간이 장기간(1981년~2006년)이고 최근 정규식생지수의 변화를 분석할 수 있는(Baldi 등, 2008) GIMMS 자료를 이용하였다.
본 연구에서는 GIMMS 자료로부터 우리나라 영역(125.7°E~130.7°E, 30.5°N~36.5°N, 행 83, 열 58) 을 분리하였으며, 이를 다시 공간해상도 8 km의 TM(Transverse Mercator) 좌표계로 변환하였다.
본 연구에서는 우리나라 식생의 시공간변화도를 분석하기 위하여 GIMMS로부터 1982년 1월부터 2006년 12월까지의 NOAA/AVHRR 정규식생지수 자료를 수집하여 비모수적 추세분석기법인 Mann-Kendall 검정과 주성분분석기법인 EOF 분석을 수행하였다. 유역별 정규식생지수의 특성은 유역 평균으로 볼 때 제주도가 가장 높게 나타나고 낙동강유역, 금강유역, 한강유역 등으로 높게 나타났으나 한강유역이 다른 유역에 비해서 계절적 변동성이 가장 크게 나타났다.
대상 데이터
분석에 사용된 자료의 기간은 1982년 1월부터 2006년 12월까지(300개월)이며, 매월 2회에 대하여 가용한 자료를 평균한 월별 정규식생지수 자료를 사용하였다. 5대강 권역과 제주도로 정규식생지수의 변화도를 분석하기 위하여 Fig. 1에서 보는 바와 같이 유역별 6개 지역으로 분류하였으며, 한강, 낙동강, 금강, 섬진강, 영산강, 제주도 지역에 해당 되는 격자점의 수는 각각 656개, 504개, 274개, 131개, 120개, 30개이다.
따라서 본 연구는 우리나라 식생의 시공간변화도 분석에 중점을 두었으며, 분석기법으로는 비모수적 추세검정기법인 Mann-Kendall 검정을 이용하여 대상기간동안 정규식생지수의 연 및 월별 선형추세변화를 분석하고 주성분 분석기법인 EOF 분석을 이용하여 시공간적 변화 특성을 분석하였다. NOAA/AVHRR로부터 계산된 정규식생지수 중 일반적으로 많이 활용되고 있는 자료는 PAL(Pathfinder AVHRR Land)(James, Kalluri, 1994; El Saleous 등, 2000), FASIR(Fourier-Adjustment, Solar zenith angle corrected, Interpolated Reconstructed)(Sellers, 1994; Los 등, 2000), 그리고 GIMMS(Global Inventory Monitoring and Modelling Studies)(Pinzon, 2002; Pinzon 등, 2004; Tucker 등, 2005) 등이 있으나, 본 연구에서는 PAL(1981년~2001년)이나 FASIR(1982년~1999년)에 비하여 자료가용기간이 장기간(1981년~2006년)이고 최근 정규식생지수의 변화를 분석할 수 있는(Baldi 등, 2008) GIMMS 자료를 이용하였다.
각 격자점에 대하여 표준편차를 구한 결과 바다와 육지의 경계지역에서 적절한 범위의 값을 가지고는 있으나 표준편차가 영(0)으로 나타나는 격자점에 대해서는 이상치(outlier)로 판단하여 제거하는 과정을 수행하였다. 분석에 사용된 자료의 기간은 1982년 1월부터 2006년 12월까지(300개월)이며, 매월 2회에 대하여 가용한 자료를 평균한 월별 정규식생지수 자료를 사용하였다. 5대강 권역과 제주도로 정규식생지수의 변화도를 분석하기 위하여 Fig.
성능/효과
EOF분석 결과는 첫 번째 EOF가 전체변화의 약 91.29%를 나타내는 지배적인 패턴으로 연 주기를 가지며 위도 변화에 따른 기후적 특성이 우리나라 정규식생지수의 변화를 지배하는 것으로 나타났다. 두 번째 EOF는 전체변화의 약 1.
Fig. 2는 정규식생지수의 시공간변화도를 분석하기 위하여 EOF 분석을 수행한 결과를 나타내며 Fig. 2(a)-(d)에서 보는 바와 같이 첫 번째 EOF가 전체변화의 약 91.29%를 나타내는 지배적인 패턴으로 연 주기를 가지며 위도 변화에 따른 기후적 특성이 우리나라 정규식생지수의 변화를 지배하는 것으로 나타났다. 전장에서 설명한 바와 같이 EOF의 공간 패턴이 특정적인 물리적 거동을 보장하는 것이 아니므로 첫 번째 EOF의 패턴은 위도변화의 우세 속에 지형의 영향이 다소 포함된 것으로 판단된다.
세 번째까지의 EOF가 나타내는 변화도의 합은 약 94%에 이르며, 네 번째 EOF부터는 전체 변화를 설명하는 정도가 1% 미만으로 미미하고 그 변화 주기도 특정주기를 보이지 않으므로 정규식생지수의 주된 변화는 위도 변화에 따른 기후 특성이 지배적이며 지형에 따른 영향이 복합적으로 반영 되는 것으로 나타났다. 관측자료의 일반적인 공간변화 특성의 분포는 대체로 연 평균값의 분포 패턴을 따르지만, 정규 식생지수의 경우 연 평균값의 분포특성과는 큰 차이가 있는 것으로 나타났다. 이는 앞서 언급한 바(2.
29%를 나타내는 패턴으로 지배적인 특정 주기를 보이지 않으며 위·경도변화가 혼재된 것으로 판단된다. 네 번째 EOF는 전체변화의 약 0.58%를 나타내는 패턴으로 지배적인 특정 주기를 보이지 않으며, 경도 변화에 따른 변화 패턴으로 판단된다.
29%를 나타내는 패턴으로 지배적인 특정 주기를 보이지 않으며 위·경도변화가 혼재된 것으로 판단된다. 네 번째 EOF는 전체변화의 약 0.58%를 나타내는 패턴으로 지배적인 특정 주기를 보이지 않으며, 경도 변화에 따른 변화 패턴으로 판단된다.
전장에서 설명한 바와 같이 EOF의 공간 패턴이 특정적인 물리적 거동을 보장하는 것이 아니므로 첫 번째 EOF의 패턴은 위도변화의 우세 속에 지형의 영향이 다소 포함된 것으로 판단된다. 두 번째 EOF는 전체변화의 약 1.63%를 나타내는 패턴으로 연 주기와 반년 주기가 혼재되어 지배적인 특정 주기를 보이지 않으며, 지형 영향의 우세 속에 위도 변화가 포함된 것으로 판단된다. 세 번째 EOF는 전체 변화의 약 1.
먼저 유역별 정규식생지수의 특성은 유역 평균으로 볼 때 제주도가 가장 높게 나타나고 낙동강유역, 금강유역, 한강유역 등으로 높게 나타났다. 제주도와 비교해볼 때 한강유역의 경우 최대값은 높은 반면 최소값은 오히려 낮게 나타나 한강유역이 다른 유역에 비해서 편차가 가장 큰 것으로 나타났다(Fig.
세 번째 EOF는 전체 변화의 약 1.29%를 나타내는 패턴으로 지배적인 특정 주기를 보이지 않으며 위·경도변화가 혼재된 것으로 판단된다.
세 번째 EOF는 전체 변화의약 1.29%를 나타내는 패턴으로 지배적인 특정 주기를 보이지 않으며 위·경도변화가 혼재된 것으로 판단된다.
세 번째까지의 EOF가 나타내는 변화도의 합은 약 94%에 이르며, 네 번째 EOF부터는 전체 변화를 설명하는 정도가 1% 미만으로 미미하고 그 변화 주기도 특정주기를 보이지 않으므로 정규식생지수의 주된 변화는 위도 변화에 따른 기후 특성이 지배적이며 지형에 따른 영향이 복합적으로 반영 되는 것으로 나타났다. 관측자료의 일반적인 공간변화 특성의 분포는 대체로 연 평균값의 분포 패턴을 따르지만, 정규 식생지수의 경우 연 평균값의 분포특성과는 큰 차이가 있는 것으로 나타났다.
우리나라 전역과 5개의 대권역에 대한 정규식생지수의 연 추세분석결과는 기후변화에 따른 지역적 영향으로 대상 기간 동안 상승추세를 보이는 기온과 강수량의 거동과 달리, 금강유역의 정규식생지수가 신뢰수준 90%에서 하향추세를 보이는 것을 제외하면 유의수준 90%와 95%에 대하여 통계적 유의성을 가지는 상향이나 하향추세가 없는 것으로 나타났다. 유역별 정규식생지수의 월별 추세에 대한 MannKendall 검정결과는 신뢰수준 95%에서 한강유역은 5월과 12월에 상향추세가, 4월과 6월에는 하향추세가 있는 것으로 나타났고, 낙동강유역의 경우 1월, 10월, 12월에서 상향추세가 나타났으며, 금강유역의 경우 6월과 8월에 상향추세가 나타났다.
우리나라 전역의 정규식생지수 연 추세분석결과는 대상 기간 동안 상승추세를 보이는 기온과 강수량의 거동과 달리 유의수준 90%와 95%에 대하여 통계적 유의성을 가지는 상향이나 하향추세가 없는 것으로 나타났다. 유역별 추세분석 결과는 Table 1에서 보는 바와 같이 금강유역의 정규식생지 수가 신뢰수준 90%에서 하향추세가 있는 것으로 나타났으며, 그 외의 유역에서는 모두 신뢰수준 90% 이상의 상향 또는 하향추세는 없는 것으로 나타났다.
우리나라 전역과 5개의 대권역에 대한 정규식생지수의 연 추세분석결과는 기후변화에 따른 지역적 영향으로 대상 기간 동안 상승추세를 보이는 기온과 강수량의 거동과 달리, 금강유역의 정규식생지수가 신뢰수준 90%에서 하향추세를 보이는 것을 제외하면 유의수준 90%와 95%에 대하여 통계적 유의성을 가지는 상향이나 하향추세가 없는 것으로 나타났다. 유역별 정규식생지수의 월별 추세에 대한 MannKendall 검정결과는 신뢰수준 95%에서 한강유역은 5월과 12월에 상향추세가, 4월과 6월에는 하향추세가 있는 것으로 나타났고, 낙동강유역의 경우 1월, 10월, 12월에서 상향추세가 나타났으며, 금강유역의 경우 6월과 8월에 상향추세가 나타났다. 그리고 섬진강유역, 영산강유역, 제주도는 각각 2월, 10월, 2월과 10월에 각각 상향추세를 보여주었다.
본 연구에서는 우리나라 식생의 시공간변화도를 분석하기 위하여 GIMMS로부터 1982년 1월부터 2006년 12월까지의 NOAA/AVHRR 정규식생지수 자료를 수집하여 비모수적 추세분석기법인 Mann-Kendall 검정과 주성분분석기법인 EOF 분석을 수행하였다. 유역별 정규식생지수의 특성은 유역 평균으로 볼 때 제주도가 가장 높게 나타나고 낙동강유역, 금강유역, 한강유역 등으로 높게 나타났으나 한강유역이 다른 유역에 비해서 계절적 변동성이 가장 크게 나타났다.
우리나라 전역의 정규식생지수 연 추세분석결과는 대상 기간 동안 상승추세를 보이는 기온과 강수량의 거동과 달리 유의수준 90%와 95%에 대하여 통계적 유의성을 가지는 상향이나 하향추세가 없는 것으로 나타났다. 유역별 추세분석 결과는 Table 1에서 보는 바와 같이 금강유역의 정규식생지 수가 신뢰수준 90%에서 하향추세가 있는 것으로 나타났으며, 그 외의 유역에서는 모두 신뢰수준 90% 이상의 상향 또는 하향추세는 없는 것으로 나타났다. 이러한 결과는 기존의 연구들이 보여준 결과와 같이 연 평균 기온의 경우 통계 적으로 유의한 상향추세를 보이는 관측지점의 구성비가 큰 것에 비하여 연 강수량의 경우 상향추세를 보이는 관측지점이 많음에도 불구하고 통계적인 유의성을 가지는 관측지점의 구성비는 크지 않음과 같이 식생의 변화는 기온 상승에 비하여 통계적으로 유의한 수준의 변화를 민감하게 보이지는 않음을 알 수 있다.
4(a)에서 보는 바와 같이 유역전체에 대하여 5월에서 6월까지 상승하다가 7월에 하강하여 다시 8월에 상승하고, 9월 이후로 하강하는 양상을 보였다. 유역별로 대체로 비슷한 변화 양상을 보였으며, 한강유역의 경우 다른 유역에 비하여 6월, 7월, 8월, 9월에는 가장 높고 1월, 2월, 3월, 4월, 11월, 12월에는 가장 낮아 계절적 변동성이 가장 큰 것으로 나타났다. 월별 표준편차는 7월이 가장 높게 나타났다.
유역별 추세분석 결과는 Table 1에서 보는 바와 같이 금강유역의 정규식생지 수가 신뢰수준 90%에서 하향추세가 있는 것으로 나타났으며, 그 외의 유역에서는 모두 신뢰수준 90% 이상의 상향 또는 하향추세는 없는 것으로 나타났다. 이러한 결과는 기존의 연구들이 보여준 결과와 같이 연 평균 기온의 경우 통계 적으로 유의한 상향추세를 보이는 관측지점의 구성비가 큰 것에 비하여 연 강수량의 경우 상향추세를 보이는 관측지점이 많음에도 불구하고 통계적인 유의성을 가지는 관측지점의 구성비는 크지 않음과 같이 식생의 변화는 기온 상승에 비하여 통계적으로 유의한 수준의 변화를 민감하게 보이지는 않음을 알 수 있다. 유역별 정규식생지수의 월별 추세에 대한 Mann-Kendall 검정결과는 유역전체에 대하여 8월에 신뢰수준 95%에서 하향추세가, 10월과 12월에는 상향추세 (신뢰수준 95%)가 있는 것으로 나타났다.
먼저 유역별 정규식생지수의 특성은 유역 평균으로 볼 때 제주도가 가장 높게 나타나고 낙동강유역, 금강유역, 한강유역 등으로 높게 나타났다. 제주도와 비교해볼 때 한강유역의 경우 최대값은 높은 반면 최소값은 오히려 낮게 나타나 한강유역이 다른 유역에 비해서 편차가 가장 큰 것으로 나타났다(Fig. 4(b)).
후속연구
EOF 분석기법은 선형적으로 독립한 소수의 EOF가 변수의 전체 변화도 중 많은 부분을 설명할 수 있어 공간 변화의 주패턴을 특성화하기 쉬운 장점을 가진다(유철상 등, 2006). 그러나 EOF의 공간패턴이 물리적인 의미를 보장해주지는 못하며, 고유치가 비슷할 경우 시계열의 자유도가 EOF 공간패턴의 물리적 의미를 해석하기 힘들다는 단점이 있으므로 분석에 있어서 대상변수의 물리적 거동에 대한 이해가 있어야 할 것이다.
식생의 변화에 대한 이해는 강수나 기온 등의 기후변수 등과 상당히 높은 연계성을 가지고 있을 뿐만 아니라 우리나라 기후변화 전망에 있어서 매우 중요한 지표이므로, 본 연구결과는 향후 강수량, 기온, 증발산량 등의 기상요소들과 식생의 연계성을 규명하기 위한 연구의 기초자료로 활용될수 있을 것으로 기대된다.
질의응답
핵심어
질문
논문에서 추출한 답변
GIMMS 정규식생지수 자료의 특징은 무엇인가?
edu)는 NOAA-7, 9, 11, 14, 16위성영상을 이용하여 AVHRR 정규식생지수 자료를 구축하고 이를 제공하고 있다. GIMMS 정규식생지수 자료의 특징은 보정과정에서 발생할 수 있는 의도되지 않은 식생의 변동을 줄이고, 에어로졸의 영향 및 식생의 실제 변동과 관련 되지 않는 영향 등이 제거되었다는 것이다(Tourre 등, 2008). GIMMS 자료는 전구 규모를 대상으로 행 2091, 열 4950로 이루어져 있으며, 공간해상도는 대략 0.
구름이나 눈, 물과 같은 수체의 경우 정규식생지수는 어떻게 나타나는가?
1사이의 값을 가진다. 구름이나 눈, 물과 같은 수체의 경우 근적외 파장대의 낮은 반사도와 가시 파장대의 높은 반사도로 인해 음(−)의 값을 가진다. 비식생지역을 제외한 정규식생지수의 범위는 사막지역의 0.
EOF 분석기법의 장점은 무엇인가?
본 연구에서도 정규식생지수의 시공간변화 특성을 분석하기 위하여 EOF 분석을 수행하였다. EOF 분석기법은 선형적으로 독립한 소수의 EOF가 변수의 전체 변화도 중 많은 부분을 설명할 수 있어 공간 변화의 주패턴을 특성화하기 쉬운 장점을 가진다(유철상 등, 2006). 그러나 EOF의 공간패턴이 물리적인 의미를 보장해주지는 못하며, 고유치가 비슷할 경우 시계열의 자유도가 EOF 공간패턴의 물리적 의미를 해석하기 힘들다는 단점이 있으므로 분석에 있어서 대상변수의 물리적 거동에 대한 이해가 있어야 할 것이다.
Avely, T. E. and Berlin, G.L. (1992) Fundamentals of remote sensing and airphoto interpretation. Macmillan Publishing Company. New York, pp. 476.
Baldi, G., Nosetto, M.D., Aragon, R., Aversa, F., Paruelo, J.M., and Jobbagy, E.G (2008) Long-term satellite NDVI data sets: Evaluating their ability to detect ecosystem functional changes in Soulth America. Sensors, Vol. 8, pp. 5397-5425.
Ding, M., Zhang, Y., Liu, L., Zhang, W., Wang, Z., and Bal, W. (2007) The relationship between NDVl and precipitation on the Tibetan Plateau. Journal of Geographical Sciences, Vol. 17, No. 3. pp. 259-268.
Eidenshink, J.C. (1992) The 1990 conterminous US AVHRR dataset. Photogrammetric Engineering and Remote Sensing, Vol. 58, pp. 809-813.
El Saleous, N.Z., Vermote, E.F., Justice, C.O., Townshend, J.R.G, Tucker, C.J., and Goward, S.N. (2000) Improvements in the global biospheric record from the Advanced Very High Resolution Radiometer (AVHRR), International Journal of Remote Sensing, Vol. 21 , pp. 1251-1277.
Gibbons, J.D. (1990) Handbook of statistical methods for engineers and scientists, McGrawHill, ed. pp. 11.1-11.26.
Hirsch, R.M. and Slack, J.R. (1984) A nonparametric trend test for seasonal data with serial dependence, Water Resources Research, Vol. 20, pp. 727-732
James, M.E. and Kalluri, S.N.V. (1994) The Pathfinder AVHRR land dataset: an improved coarse resolution dataset for terrestrial monitoring, International Journal of Remote Sensing, Vol. 15, pp. 3347-3363.
Karabulut, M. (2003) An examination of relationships between vegetation and rainfall using maximum vaule composite AVHRR-NDVI data, Turkish Journal of Botany, Vol. 27. pp. 93-101.
Liu, H.Q. and Huete, A.R. (1995) Feedback based modification of the NDVI to minimize canopy background and atmospheric noise. lEEE Transactions on Geoscience and Remote Sensing, Vol. 33, No. 2, pp. 457-465.
Nemani, R.R., White, M.A., Thornton. P.E., Nishida, K., Reddy, S., Jekins, J., and Running, S. (2002) Recent trends in hydrologic balance have enhanced the terrestrial carbon sink in the United States. Geophysical Research Letters, Vol. 29, 10.1029/ 2002GL01487.
Parmiggiani, F., Quarta, G, Marra, G.P., and Conte, D. (2006) NDVI fluctuations from 1995 to 2006 in South Italy and North Africa: a search for a climate change indicator. Remote Sensing for Agriculture, Ecosystems, and Hydrology VIII. Proceedings of the SPIE, Vol. 6359.
Pinzon, J. (2002) Using HHT to successfully uncouple seasonal and interannual components in remotely sensed data. SCI 2002, Conference Proceedings Jul. pp. 14-18. Orlando, Florida.
Pinzon, J., Brown, M.E., and Tucker, C.J. (2004) Satellite time series correction of orbital drift artifacts using empirical mode decomposition. In Hilbert-Huang Transforrn: lntroduction and Applications, eds. N. Huang, pp. Chapter 10, Part II, Applications (to appear).
Rouse, J.W., Haas, R.W., Schell, J.A., Oeering, D.W., and Harlan, J.C. (1974) Monitoring the venal advancement and retrogradations (Greenwave effect) of natural vegetation. NASA/GSFCT Type III Final Report, Greenbelt, MD, USA.
Sellers, P.J. (1985) Canopy reflectance, photosynthesis and transpiration. International Journal of Remote Sensing, Vol. 6, pp. 1335-1372.
Sellers, P.J. (1994) A global $1^{\circ}$ by $1^{\circ}$ NDVI dataset for climate studies. Part 2: the generation of global fields of terrestrial biophysical parameters from the NDVI. International Journal of Remote Sensing, Vol. 15, pp. 3519-3545.
Tourre, Y.M., Jarlan, L., Lacaux, J-P., Rotela, C.H., and Lafaye, M (2008) Spatio-temporal variability of NDVl-precipitation over southernmost South America: possible linkages between climate signals and epidemics. Environmental Research Letters, Vol. 3, 044008.
Tucker, C.J. (1979) Red and photographic infrared linear combinations for monitoring vegetation. Remote Sensing of Environment, Vol. 8, pp. 127-150.
Tucker, C.J., Pinzon, J.E., Brown, M.E., Slayback, D., Pak, E.W., Mahoney, R., Vermote, E., and El Saleous, N (2005) An extended AVHRR 8-km NDVI datast compatible with MODIS and SPOT vegetation NDVI data. International Journal of Remote Sensing, Vol. 26, No. 20, pp. 4485-4498.
Van den Hurk, B., Viterbo, J.J.M., and Los, S.O. (2003) Impact of leaf area index seasonality in the annual land surface evaporation in a global circulation model. Journal of Geophysical Research. Vol. 108, pp. 4191-4199.
Wang, J., Rick, P.M., and Price, K.P. (2003) Temporal response of NDVI to precipitation and temperature in the centeral Great Plain, USA. International Journal of Remote Sensing, Vol. 24, No. 11, pp. 2345-2364.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.