벼는 전 세계 주요 식량 자원 중 하나이며, 특히 아시아 지역에서 벼 경작이 활발히 이루어지고 있다. 벼를 경작하기 위한 논은 다른 작물과 달리 모내기전에 논에 물을 가둬두며, 많은 양의 물이 관개용수로 사용된다. 따라서 신뢰도 있는 관개시기 및 논의 탐지는 효율적인 수자원 관리 및 물 수지 분석을 위해 반드시 필요한 요소이다. 본 연구에서는 MODIS 자료로부터 산출된 개선된 식생지수(Enhanced VegetationIndex, EVI)와 지표수분지수(Land Surface Water Index, LSWI)를 활용하여 관개시기와 논의 공간분포탐지를 실시했다. 한국의 이천 연구지와 일본 Mase 연구지를 대상으로 MODIS 기반의 관개시기 탐지 결과 관측자료와 각각 1일과 8일정도의 차이를 나타냈다. 이 결과는 MODIS 8일 단위 자료의 오차범위 내에서 신뢰도 있는 관개시기 탐지 결과를 나타낸 것으로 판단된다. 또한 관개시기 탐지 결과를 토대로 한국 전체를 대상으로 MODIS 기반의 논을 탐지하고 환경부 토지피복도의 논과 비교하였다. 그 결과, 논이 넓게 분포한 지역에서는 MODIS가 과대평가하는 결과를 나타냈으며, 규모가 작은 논에 대해서는 과소평가하는 결과를 나타냈다. 이는 MODIS 자료의 공간해상도(500m)가 한국 논의 규모를 표현할 정도로 세밀하지 못한 점과 산림, 도시, 호수 및 강 등을 제거하는 과정에서 오차가 발생했을 것으로 판단된다. 또한 Xiao et al.(2005)이 제안한 LSWI에 대한 임계값(+0.05)은 중국을 대상으로 개발된 값으로, 한국 논의 토지피복 복잡성을 잘 반영하지 못하여 오차를 발생시킨 것으로 사료된다. 따라서 신뢰도 있는 관개시기 및 논 탐지를 위해서는 한국 논의 규모 및 토지피복의 이질성을 체계적으로 고려한 LSWI의 임계값을 개발하여 적용할 필요가 있다.
벼는 전 세계 주요 식량 자원 중 하나이며, 특히 아시아 지역에서 벼 경작이 활발히 이루어지고 있다. 벼를 경작하기 위한 논은 다른 작물과 달리 모내기전에 논에 물을 가둬두며, 많은 양의 물이 관개용수로 사용된다. 따라서 신뢰도 있는 관개시기 및 논의 탐지는 효율적인 수자원 관리 및 물 수지 분석을 위해 반드시 필요한 요소이다. 본 연구에서는 MODIS 자료로부터 산출된 개선된 식생지수(Enhanced Vegetation Index, EVI)와 지표수분지수(Land Surface Water Index, LSWI)를 활용하여 관개시기와 논의 공간분포탐지를 실시했다. 한국의 이천 연구지와 일본 Mase 연구지를 대상으로 MODIS 기반의 관개시기 탐지 결과 관측자료와 각각 1일과 8일정도의 차이를 나타냈다. 이 결과는 MODIS 8일 단위 자료의 오차범위 내에서 신뢰도 있는 관개시기 탐지 결과를 나타낸 것으로 판단된다. 또한 관개시기 탐지 결과를 토대로 한국 전체를 대상으로 MODIS 기반의 논을 탐지하고 환경부 토지피복도의 논과 비교하였다. 그 결과, 논이 넓게 분포한 지역에서는 MODIS가 과대평가하는 결과를 나타냈으며, 규모가 작은 논에 대해서는 과소평가하는 결과를 나타냈다. 이는 MODIS 자료의 공간해상도(500m)가 한국 논의 규모를 표현할 정도로 세밀하지 못한 점과 산림, 도시, 호수 및 강 등을 제거하는 과정에서 오차가 발생했을 것으로 판단된다. 또한 Xiao et al.(2005)이 제안한 LSWI에 대한 임계값(+0.05)은 중국을 대상으로 개발된 값으로, 한국 논의 토지피복 복잡성을 잘 반영하지 못하여 오차를 발생시킨 것으로 사료된다. 따라서 신뢰도 있는 관개시기 및 논 탐지를 위해서는 한국 논의 규모 및 토지피복의 이질성을 체계적으로 고려한 LSWI의 임계값을 개발하여 적용할 필요가 있다.
Rice is one of the world's staple foods. Paddy rice fields have unique biophysical characteristics that the rice is grown on flooded soils unlike other crops. Information on the spatial distribution of paddy fields and the timing of irrigation are of importance to determine hydrological balance and ...
Rice is one of the world's staple foods. Paddy rice fields have unique biophysical characteristics that the rice is grown on flooded soils unlike other crops. Information on the spatial distribution of paddy fields and the timing of irrigation are of importance to determine hydrological balance and efficiency of water resource management. In this paper, we detected the timing of irrigation and spatial distribution of paddy fields using the Moderate Resolution Imaging Spectroradiometer (MODIS) sensor onboard the NASA EOS Aqua satellite. The timing of irrigation was detected by the combined use of MODIS-based vegetation index and Land Surface Water Index (LSWI). The detected timing of irrigation showed good agreement with field observations from two flux sites in Korea and Japan. Based on the irrigation detection, a land cover map of paddy fields was generated with subsidiary information on seasonal patterns of MODIS enhanced vegetation index (EVI). When the MODISbased paddy field map was compared with a land cover map from the Ministry of Environment, Korea, it overestimated the regions with large paddies but underestimated those with small and fragmented paddies. Potential reasons for such spatial discrepancies may be attributed to coarse pixel resolution (500 m) of MODIS images, uncertainty in parameterization of threshold values for discarding forest and water pixels, and the application of LSWI threshold value developed for paddy fields in China. Nevertheless, this study showed that an improved utilization of seasonal patterns of MODIS vegetation and water-related indices could be applied in water resource management and enhanced estimation of evapotranspiration from paddy fields.
Rice is one of the world's staple foods. Paddy rice fields have unique biophysical characteristics that the rice is grown on flooded soils unlike other crops. Information on the spatial distribution of paddy fields and the timing of irrigation are of importance to determine hydrological balance and efficiency of water resource management. In this paper, we detected the timing of irrigation and spatial distribution of paddy fields using the Moderate Resolution Imaging Spectroradiometer (MODIS) sensor onboard the NASA EOS Aqua satellite. The timing of irrigation was detected by the combined use of MODIS-based vegetation index and Land Surface Water Index (LSWI). The detected timing of irrigation showed good agreement with field observations from two flux sites in Korea and Japan. Based on the irrigation detection, a land cover map of paddy fields was generated with subsidiary information on seasonal patterns of MODIS enhanced vegetation index (EVI). When the MODISbased paddy field map was compared with a land cover map from the Ministry of Environment, Korea, it overestimated the regions with large paddies but underestimated those with small and fragmented paddies. Potential reasons for such spatial discrepancies may be attributed to coarse pixel resolution (500 m) of MODIS images, uncertainty in parameterization of threshold values for discarding forest and water pixels, and the application of LSWI threshold value developed for paddy fields in China. Nevertheless, this study showed that an improved utilization of seasonal patterns of MODIS vegetation and water-related indices could be applied in water resource management and enhanced estimation of evapotranspiration from paddy fields.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
제안 방법
이 연구에서는 Xiao et al.(2005)에 의해 제안된 MODIS 자료 기반의 식생지수인 EVI와 LSWI를 이용한 관개시기 탐지 알고리즘을 플럭스 관측 타워가 설치되어 있는 한국과 일본의 논에 적용하여 알고리즘에 대한 평가를 실시하였다. MODIS로부터 탐지한 관개시기 결과를 바탕으로, 전국의 논을 탐지하였고 이 결과를 환경부 중분류 토지피복도의 논과 비교 검토함으로써 알고리즘의 오차 요인을 논의하였다.
이 연구에서는 Xiao et al.(2005)이 제안한 MODIS LSWI와 식생지수를 이용한 관개시기 탐지 알고리즘을 한국과 일본의 논 지역에 위치한 플럭스 타워 연구지를 대상으로 검증하고, 한국 전 지역에 적용하였으며, MODIS로부터 추정된 관개시기 결과를 바탕으로 한국논 분포 탐지지도를 제작하였다.
(2010)이 제안한 조건은 한국의 토지피복 특성에 적합하지 않기 때문에 본 연구에서는Peng et al.(2010)에 의해 제안된 임계값을 조절하여 한국의 토지피복 특성에 가장 적합하다고 판단되는 값을 적용하였다(Table 1). 그 결과, 한국 전체 논 면적에 대해서 MODIS로부터 탐지된 결과가 환경부 토지피복도의 면적에 비해 약 1.
Peng et al.(2010)이 제안한 EVI 임계값들은 한국 토지피복의 특성에 적합하지 않기 때문에, 이 연구에서는 EVI 임계값에 대한 모수화 과정을 통해 한국 토지피복에 적합한 임계값을 산출하였다. 즉, Peng et al.
MODIS 관개시기 자료를 기반으로 한국의 논 지도를 제작하여 환경부 중분류 토지피복도에서 논을 추출 하여 비교하였다(Fig. 6). MODIS로부터 논 탐지 시관개가 탐지된 지역으로부터 산림, 호수 및 강, 도시 및 도로 등 논 이외의 토지피복을 제거하기 위해 Peng et al.
MODIS 관개시기 탐지 알고리즘을 한국에 적용시켜 각 픽셀 별로 관개여부와 관개시기를 탐지하였다. 관개가 탐지된 지역을 환경부 중분류 토지피복도에서 추출한 논 피복지도에 중첩하여 관개시기의 공간분포를 가시화하였다(Fig.
(2005)에 의해 제안된 MODIS 자료 기반의 식생지수인 EVI와 LSWI를 이용한 관개시기 탐지 알고리즘을 플럭스 관측 타워가 설치되어 있는 한국과 일본의 논에 적용하여 알고리즘에 대한 평가를 실시하였다. MODIS로부터 탐지한 관개시기 결과를 바탕으로, 전국의 논을 탐지하였고 이 결과를 환경부 중분류 토지피복도의 논과 비교 검토함으로써 알고리즘의 오차 요인을 논의하였다.
MODIS 관개시기 탐지 알고리즘을 한국에 적용시켜 각 픽셀 별로 관개여부와 관개시기를 탐지하였다. 관개가 탐지된 지역을 환경부 중분류 토지피복도에서 추출한 논 피복지도에 중첩하여 관개시기의 공간분포를 가시화하였다(Fig. 4). 이를 바탕으로 군 단위의 평균 관개시기 지도를 제작하여 한국 지역별 관개시기의 공간적 분포 특성을 분석하였다(Fig.
관개시기 지상관측 자료가 있는 두 곳의 플럭스 타워 연구지에 대해 MODIS 기반의 관개시기 알고리즘을 평가한 후, 한국을 대상으로 관개시기 지도를 제작하였으며, 관개시기 탐지 결과를 이용해 한국의 논 분포 지도를 제작하였다.
두 플럭스 연구지와 관개시기가 다를 것으로 예상되는 한국 남부 지역 중 임의로 한 곳의 논을 선정하여 다른 두 곳의 연구지와 비교했다. 일반적으로 한국 남부 지방은 중부 지방에 비해 기온이 높고 더욱 온화한 기후를 띠기 때문에 짧은 기간에도 벼의 생육 조건이 충족되어 관개를 늦게 하는 경향이 있다.
그러나 이 결과는 지역에 따른 오차를 반영하지 못하기 때문에 알고리즘의 신뢰도에 대한 정확한 평가라고 보기가 어렵다. 따라서 각 픽셀 별로 논 피복 탐지에 따른 오차를 명확하게 비교하기 위해서 MODIS 논 피복지도와 환경부 토지피복도에서 추출한 논 피복지도 간의 각 픽셀에 따른 오차지도를 제작하였다(Fig. 7). 그 결과, 평야지대의 규모가 큰 논에 대해서 MODIS가 과대평가하였으나 규모가 작고 산재하여 분포하는 논에 대해서는 MODIS가 과소평가하는 경향을 보였다.
위의 세 단계 선별과정을 모두 통과한 픽셀만을 논으로 판단하였고, 논 분류결과의 정확도 평가를 위해 환경부의 중분류 토지피복지도에 나타난 논과 비교하였다. 또한 MODIS 기반의 논 지도의 오차를 파악 하기 위해 환경부 논 지도와 MODIS 논 지도가 일치, 과대평가 또는 과소평가하는 경우의 3 가지 경우로 분류해서 오차지도를 제작하였다.
이 결과는 MODIS 8일 단위 자료의 오차범위 내에서 신뢰도 있는 관개시기 탐지 결과를 나타낸 것으로 판단된다. 또한 관개시기 탐지 결과를 토대로 한국 전체를 대상으로 MODIS 기반의 논을 탐지하고 환경부 토지피복도의 논과 비교하였다. 그 결과, 논이 넓게 분포한 지역에서는 MODIS가 과대평가하는 결과를 나타냈으며, 규모가 작은 논에 대해서는 과소평가하는 결과를 나타냈다.
따라서 신뢰도 있는 관개시기 및 논의 탐지는 효율적인 수자원 관리 및 물 수지 분석을 위해 반드시 필요한 요소이다. 본 연구에서는 MODIS 자료로 부터 산출된 개선된 식생지수(Enhanced Vegetation Index, EVI)와 지표수분지수(Land Surface Water Index, LSWI)를 활용하여 관개시기와 논의 공간분포 탐지를 실시했다. 한국의 이천 연구지와 일본 Mase 연구지를 대상으로 MODIS 기반의 관개시기 탐지 결과 관측자료와 각각 1일과 8일정도의 차이를 나타냈다.
htm). 본 연구에서는 오차를 최소화하기 위해 MODIS 자료 처리 시 QA 정보를 적용했다.
4). 이를 바탕으로 군 단위의 평균 관개시기 지도를 제작하여 한국 지역별 관개시기의 공간적 분포 특성을 분석하였다(Fig. 5).
대상 데이터
:2,105~2,155nm). MYD09A1 자료는 500m의 공간해상도와 8일 단위의 합성 자료로서, 지표반사율에 대한 정보와 Quality Assessment(QA) 정보, 그리고 8일 중 오차가 가장 작은 날짜에 대한 정보를 함께 제공한다. QA 자료는 각 픽셀에 대해 구름 또는 구름에 의한 그림자, 에어로졸, 낮은 시야각 등에 의한 자료의 불확도를 제공한다(http://modisland.
일반적으로 한국 남부 지방은 중부 지방에 비해 기온이 높고 더욱 온화한 기후를 띠기 때문에 짧은 기간에도 벼의 생육 조건이 충족되어 관개를 늦게 하는 경향이 있다. 본 연구에서는 논이 잘 발달된 김해 지역을 연구지로 선정 하였다. 김해 연구지에 대한 MODIS기반의 관개시기 탐지 결과, 2003년 5월 23일(DOY 143)로 다른 2곳의 연구지 보다 늦었다.
1). 아울러 관개시기 자료는 없지만 관개시기가 다를 것으로 예상되는 한국 남부 김해 지역의 논 중 임의의 한 곳을 연구지로 선정하였다. 국립농업과학원이 운영하는 이천 연구지는 경기도 남동부(37°18'20.
3%를 차지한다(Kim and Gwon, 2008). 연구에 사용한 플럭스 타워 연구지는 한국 이천 플럭스 타워와 일본 Mase 플럭스 타워 연구지이다(Fig. 1). 아울러 관개시기 자료는 없지만 관개시기가 다를 것으로 예상되는 한국 남부 김해 지역의 논 중 임의의 한 곳을 연구지로 선정하였다.
이 연구에서 사용된 MODIS Surface Reflectance Product(MYD09A1)는 7개의 분광 밴드 자료를 제공하며 각 밴드의 범위는 다음과 같다: 청색(459~479nm), 녹색(545~565nm), 적색(620~670nm), 근적외선(NIR1:841~875, NIR2:1,230~1,250nm), 단파적외선(SWIR1:1,628~1,652, SWIR2:2,105~2,155nm). MYD09A1 자료는 500m의 공간해상도와 8일 단위의 합성 자료로서, 지표반사율에 대한 정보와 Quality Assessment(QA) 정보, 그리고 8일 중 오차가 가장 작은 날짜에 대한 정보를 함께 제공한다.
2). 환경부 토지피복 지도는 Landsat 7, 1/5,000 과 1/25,000 수치지도, 식생도, 임상도, DEM 자료 등을 이용해 제작되었다(http://egis.me.go.kr).
데이터처리
이후 남은 관개지역 중에서 산림 픽셀을 제외하였다. 위의 세 단계 선별과정을 모두 통과한 픽셀만을 논으로 판단하였고, 논 분류결과의 정확도 평가를 위해 환경부의 중분류 토지피복지도에 나타난 논과 비교하였다. 또한 MODIS 기반의 논 지도의 오차를 파악 하기 위해 환경부 논 지도와 MODIS 논 지도가 일치, 과대평가 또는 과소평가하는 경우의 3 가지 경우로 분류해서 오차지도를 제작하였다.
이론/모형
이 연구에서는 관개시기를 탐지하기 위한 방법으로 Xiao et al.(2005)에 의해 제안된 MODIS 기반의 관개시기 탐지 방법을 적용하였으며, 이 때 이용되는 각 지수는 다음의 계산식을 통해 산출 할 수 있다.
Xiao et al.(2005)이 제안한 MODIS 기반의 관개시기 탐지 알고리즘을 한국 이천과 일본 Mase 플럭스 연구지에 적용하여 알고리즘 평가를 실시하였다.
이 요소들을 제거하기 위해 Peng et al.(2010)이 제안한 EVI 임계값을 활용한 간단한 조건을 이용했다. Peng et al.
MODIS로부터 논 탐지 시관개가 탐지된 지역으로부터 산림, 호수 및 강, 도시 및 도로 등 논 이외의 토지피복을 제거하기 위해 Peng et al.(2010)이 제안한 EVI를 활용한 방법을 사용했다. 그러나 Peng et al.
MODIS 기반의 한국의 토지피복에 대한 평가자료로서 환경부에서 제공하는 중분류 토지피복 지도를 이용했다(Fig. 2). 환경부 토지피복 지도는 Landsat 7, 1/5,000 과 1/25,000 수치지도, 식생도, 임상도, DEM 자료 등을 이용해 제작되었다(http://egis.
성능/효과
(2010)이 제안한 임계값을 여러 가지 조합으로 변화하면서 분류의 정확도를 높이는 방식을 취하였다. 결과적으로 분류오차를 산림피복의 경우 -49.1%에서 +3.5%, 강과 경우 +79.4%에서+4.2%까지 상당히 줄일 수 있었다. 그럼에도 불구하고, 논 이외의 피복을 제거하는 과정에서 산림, 밭 등과 함께 소규모로 산재하는 논 지역이 다수 제거된 것으로 미루어 보아, 분류의 임계값이 아직 불확실하거나 앞서 언급한 픽셀 내의 피복의 이질성이 영향을 미친 것으로 판단되다.
또한 관개시기 탐지 결과를 토대로 한국 전체를 대상으로 MODIS 기반의 논을 탐지하고 환경부 토지피복도의 논과 비교하였다. 그 결과, 논이 넓게 분포한 지역에서는 MODIS가 과대평가하는 결과를 나타냈으며, 규모가 작은 논에 대해서는 과소평가하는 결과를 나타냈다. 이는 MODIS 자료의 공간해상도(500m)가 한국 논의 규모를 표현할 정도로 세밀하지 못한 점과 산림, 도시, 호수 및 강 등을 제거하는 과정에서 오차가 발생했을 것으로 판단된다.
7). 그 결과, 평야지대의 규모가 큰 논에 대해서 MODIS가 과대평가하였으나 규모가 작고 산재하여 분포하는 논에 대해서는 MODIS가 과소평가하는 경향을 보였다.
(2010)에 의해 제안된 임계값을 조절하여 한국의 토지피복 특성에 가장 적합하다고 판단되는 값을 적용하였다(Table 1). 그 결과, 한국 전체 논 면적에 대해서 MODIS로부터 탐지된 결과가 환경부 토지피복도의 면적에 비해 약 1.8% 과소평가되었다. 그러나 이 결과는 지역에 따른 오차를 반영하지 못하기 때문에 알고리즘의 신뢰도에 대한 정확한 평가라고 보기가 어렵다.
그 결과, 한국 중부 지역에서는 약 5월 30일(DOY 150) 이전에 대부분 관개가 된 것으로 나타났으며. 남부 지역에선 대부분 5월 30일(DOY 150) 이후에 관개가 시작되었다.
이러한 결과는 MODIS 8일 단위 자료의 오차범위 내에 있기 때문에 신뢰도 있는 관개시기 탐지 결과라고 판단된다. 그러나 MODIS 관개시기 탐지 결과를 바탕으로 한국의논을 탐지하여 환경부 토지피복도와 비교 시 규모가큰 논에 대해서는 MODIS가 과대평가하는 경향을 보였고 산재된 규모가 작은 논에 대해서는 MODIS가 과소평가하거나 탐지하지 못하는 결과를 보였다. 이는 MODIS 자료의 공간해상도(500m)가 한국 논의 규모를 표현할 수 있을 만큼 세밀하지 못한 점과 산림, 도시, 호수 및 강 등을 제거하는 과정에서 발생한 오차에 기인하는 것으로 판단된다.
이 과정을 통해 출수기간 동안 최대 EVI가 0.35를 넘지 못할 경우 강·호수라 판단하였으며, 식생의 성장기간 동안 EVI가 0.35 이상 지속되는 기간이 약 4개월 이상일 경우 산림이라고 판단하였다.
이 연구에서는 관개시기 탐지 시 일반적으로 식생지역에서 EVI가 NDVI 보다 낮은 값을 보이며, 관개시기에 토양이 많이 드러나기 때문에 토양의 반사효과를 고려한 식생 지수 EVI를 사용하는 것이 적합하다고 판단하였다. 따라서 LSWI가 EVI보다 큰 시점을 관개 시기라고 판단하였으며, Xiao et al.
후속연구
토지피복의 특성과 관계없이 모든 지역에 동일한 임계값을 사용했기 때문에 규모가 작은 논에 대해서는 MODIS 500m 격자 내에 다른 토지피복들이 혼재할 경우 LSWI의 물에 대한 민감도가 낮아 관개시기가 탐지되지 않을 수 있다. LSWI의 임계값을 점차 증가시키면서 알고리즘을 적용한 결과 산지의 소규모 논이 판별되는 것을 확인하였으나, 토지피복의 이질성과 임계값 간의 정량적 연관 관계를 도출하기 위해선 보다 심도 깊은 후속연구가 필요하다.
그러나 지표의 물에 대한 민감 도가 높아 관개유무를 판별하는데 용이하며, MODIS 에 비해 높은 공간해상도를 가지는 장점이 있다. SAR 영상상 이외에 Landsat, SOPT 등의 MODIS에 비해 고해상도 위성영상을 통해 MODIS 공간해상도 내에 토지피복 이질성에 대한 정보를 정량화하여, 이질성에 따라 각각의 픽셀에 대해 LSWI의 임계값을 다르게 적용할 수 있는 방법을 개발한다면 MODIS 기반의 관개시기탐지 알고리즘을 향상시킬 수 있을 것으로 판단되며, 이를 통해 신뢰도 있는 논 피복 지도를 제작이 가능할 것으로 사료된다.
그럼에도 불구하고, 논 이외의 피복을 제거하는 과정에서 산림, 밭 등과 함께 소규모로 산재하는 논 지역이 다수 제거된 것으로 미루어 보아, 분류의 임계값이 아직 불확실하거나 앞서 언급한 픽셀 내의 피복의 이질성이 영향을 미친 것으로 판단되다. 그러나 이 연구는 MODIS 시계열 자료를 이용한 논 피복분류의 가능성을 평가하고 문제점을 논의하는 데에 초점을 두었으므로, 보다 정교한 논 이외의 피복형에 대한 탐지기법의 향상은 추후 연구과제로 남아 있다.
(2009) 등의 연구에 따르면 이 값은 토지피복의 이질성에 따라 달리 적용될 수 있다. 따라서 향후 MODIS 기반의 관개시기 탐지 알고리즘의 신뢰도를 높이기 위해서는 연구지역의 토지피복 특성을 반영하도록 알고리즘을 개선할 필요가 있다.
이를 통해 신뢰도 있는 논의 증발산량 추정이 가능하며 논의 물 수지 분석에도 활용될 수 있다. 또한 지역의 관개용수 현황에 대한 모니터링을 통해 효율적인 수자원 관리를 위한 연구에 활용될 수 있을 것으로 판단된다.
한국의 논은 규모가 작고 다른 토지피복이 함께 혼재해 있는 지역이 많아서 MODIS 기반의 관개시기 탐지 알고리즘 개선을 위해, 한국의 토지피복의 이질성을 정량화하고 그 이질성의 정도에 따라 각기 다른 LSWI의 임계값을 개발하여 적용할 필요가 있다. 이 연구의 결과는 향후 논 지역의 물수지 분석 및 효율적인 수자원 관리, 논 증발산 추정 등의 연구에 기여할 수 있을 것으로 기대된다.
질의응답
핵심어
질문
논문에서 추출한 답변
벼를 생산하는 논은 다른 작물 지대와 어떠한 차이를 보이는가?
벼를 생산하는 논은 다른 작물지대와는 다른 특성을 가지고 있다. 벼의 생육 특성 상 모내기 전에 논에 물을 일정기간 가둬두는 담수기간이 존재하며, 이 기간 동안 많은 수자원이 관개에 이용된다. 아시아의 경우, 논의 관개에 사용되는 수자원의 양은 담수의 80%를 차지하며, 일부 국가에서는 담수의 95%가 관개용수로 사용되고 있다(Xiao et al.
MYD09A1 자료는 어떠한 자료인가?
이 연구에서 사용된 MODIS Surface Reflectance Product(MYD09A1)는 7개의 분광 밴드 자료를 제공하며 각 밴드의 범위는 다음과 같다: 청색(459~479nm), 녹색(545~565nm), 적색(620~670nm), 근적외선(NIR1:841~875, NIR2:1,230~1,250nm), 단파적외선(SWIR1:1,628~1,652, SWIR2:2,105~2,155nm). MYD09A1 자료는 500m의 공간해상도와 8일 단위의 합성 자료로서, 지표반사율에 대한 정보와 Quality Assessment(QA) 정보, 그리고 8일 중 오차가 가장 작은 날짜에 대한 정보를 함께 제공한다. QA 자료는 각 픽셀에 대해 구름 또는 구름에 의한 그림자, 에어로졸, 낮은 시야각 등에 의한 자료의 불확도를 제공한다(http://modisland.
MODIS 자료는 어떠한 장점이 있는가?
인공위성 영상을 활용한 원격탐사 기법은 광역 규모의 다양한 생태계와 토지피복에 대한 자료를 획득할 수 있기 때문에 실측자료의 시공간적 한계를 극복하기 위해 많이 활용되고 있다. 인공위성 원격탐사 센서 중 Moderate Resolution Imaging Spectroradiometer(MODIS) 자료는 중위도 지방에서 하루에 최대 4회 정도 획득이 가능한 높은 시간주기성과 250, 500, 1,000m의 다양한 공간해상도, 그리고 36개 밴드에 달하는 다중분광자료를 제공하기 때문에 지표와 대기 하층에서 발생하는 전지구적인 생태계 변화 과정을 연속적으로 감시할 수있는 장점이 있다. 이 때문에, 최근 MODIS 위성 자료를 기반으로 지역 또는 지구규모의 다양한 생태계 변화와 이에 관련된 많은 연구들이 활발히 진행되고 있으며, 그 중 논의 토지피복 변화 및 관개시기 탐지에 관한 연구 결과들이 보고된 바 있다(Xiao et al.
참고문헌 (12)
FAOSTAT., 2004: Statistical Database of the Food and Agricultural Organization of the United Nations.
IRRI., 1993: IRRI Rice Almanac. Manila 7 International Rice Research Institute.
Islam, A. S., S. K. Bala and M. A. Haque, 2010: Flood inundation map of Bangladesh using MODIS time-series images. Journal of Flood Risk Management 3, 210-222.
Lee, J., Y. Lee, G. Kim and K. Shim, 2005: $CO_2$ and Water Vapor Flux Measurement by Eddy Covariance Method in a Paddy Field in Korea. Korean Journal of Agricultural and Forest Meteorology 7(1), 45-50.
Maclean, J. L., D. C. Dawe, B. Hardy and G.. P. Hettel, 2002: Rice Almanac: Source Book for the Most Important Economic Activity on Earth. CABI Publishing.
Park, S. P., K. T. Kim, J. H. Lee and K. S. Lee, 2006: Applicability of Multi-Temporal MODIS Images for Drought Assessment in South Korea, Geographical Journal of Korea 9(4), 176-192.
Peng, D., A. R. Huete, J. Huang, F. Wang and H. Sun, 2010: Detection and estimation of mixed paddy rice cropping patterns with MODIS data. International Journal of Applied Earth Observation and Geoinformation, 349.
Sakamoto, T., N. V. Nguyen, A. Kotera, H. Ohno, N. Ishitsuka and M. Yokozawa, 2007: Detecting temporal changes in the extent of annual flooding within the Cambodia and the Vietnamese Mekong Delta from MODIS time-series imagery. Remote Sensing of Environment 109, 295-313.
Sun, H., J. Huang, A. Huete, R., D. Peng and F. Zhang, 2009: Mapping paddy rice with multi-date moderateresolution imaging spectroradiometer (MODIS) data in China. Journal of Zhejiang University SCIENCE A ISSN 1673-565X, ISSN 1862-1775.
Xiao, X., S. Boles, J. Liu, D. Zhuang, S. Frolking, C. Li, W. Salas and B. Moore, 2005: Mapping paddy rice agriculture in southern China using multi-temporal MODIS images. Remote Sensing of Environment 95(4), 480-492.
Xiao, X., S. Boles, S. Frolking, W. Salas, B. Moore and C. Li, 2002: Observation of flooding and rice transplanting of paddy rice fields at the site to landscape scales in China using VEGETATION sensor data. International Journal of Remote Sensing 23, 3009-3022.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.