전조 모니터링, 피해규모 조사, 응급 구조 및 대응, 긴급 복구 등 국가적 재난관리 분야에 주기적으로 지구를 관측하는 원격탐측과 GIS 기반 의사결정 기술의 활용성이 점차 확대되고 있다. 여기에, 광역적이고 준실시간적 대응을 위해 단일 위성센서가 아닌 통합센서가 탑재된 위성의 운용과 각 국가별 우주개발기구간 협력을 통해 다수의 인공위성을 공동 활용함으로써 재난시 적시에 위성영상을 확보하기 위한 여러 방안이 강구되고 있다. 본 연구에서는 지난 2011년 발생했던 국내 폭설재난 대응을 위해 국제재난기구 등 다양한 경로로 수집된 저 고해상도 위성영상을 분석하고 MODIS 영상의 파장대 특성을 고려한 눈지수나 변화탐지 기법을 적용하여 적설지역을 추출하였다. 또한, 작성된 적설분포도와 다양한 공간자료와의 GIS공간분석을 수행하여 재난상황에서 적시적으로 의사결정을 지원한 국립방재연구원의 현업적용 사례를 제시하였다.
전조 모니터링, 피해규모 조사, 응급 구조 및 대응, 긴급 복구 등 국가적 재난관리 분야에 주기적으로 지구를 관측하는 원격탐측과 GIS 기반 의사결정 기술의 활용성이 점차 확대되고 있다. 여기에, 광역적이고 준실시간적 대응을 위해 단일 위성센서가 아닌 통합센서가 탑재된 위성의 운용과 각 국가별 우주개발기구간 협력을 통해 다수의 인공위성을 공동 활용함으로써 재난시 적시에 위성영상을 확보하기 위한 여러 방안이 강구되고 있다. 본 연구에서는 지난 2011년 발생했던 국내 폭설재난 대응을 위해 국제재난기구 등 다양한 경로로 수집된 저 고해상도 위성영상을 분석하고 MODIS 영상의 파장대 특성을 고려한 눈지수나 변화탐지 기법을 적용하여 적설지역을 추출하였다. 또한, 작성된 적설분포도와 다양한 공간자료와의 GIS 공간분석을 수행하여 재난상황에서 적시적으로 의사결정을 지원한 국립방재연구원의 현업적용 사례를 제시하였다.
Remote sensing which observes repeatedly the whole Earth and GIS-based decision-making technology have been utilized widely in disaster management such as early warning monitoring, damage investigation, emergent rescue and response, rapid recovery etc. In addition, various countermeasures of nationa...
Remote sensing which observes repeatedly the whole Earth and GIS-based decision-making technology have been utilized widely in disaster management such as early warning monitoring, damage investigation, emergent rescue and response, rapid recovery etc. In addition, various countermeasures of national level to collect timely satellite imagery in emergency have been considered through the operation of a satellite with onboard multiple sensors as well as the practical joint use of satellite imagery by collaboration with space agencies of the world. In order to respond heavy snowfall disaster occurred on the east coast of the Korean Peninsula in February 2011, snow-covered regions were analyzed and detected in this study through NDSI(Normalized Difference Snow Index) considering reflectance of wavelength for MODIS sensor and change detection algorithm using satellite imagery collected from International Charter. We present the application case of National Disaster Management Institute(NDMI) which supported timely decision-making through GIS spatial analysis with various spatial data and snow cover map.
Remote sensing which observes repeatedly the whole Earth and GIS-based decision-making technology have been utilized widely in disaster management such as early warning monitoring, damage investigation, emergent rescue and response, rapid recovery etc. In addition, various countermeasures of national level to collect timely satellite imagery in emergency have been considered through the operation of a satellite with onboard multiple sensors as well as the practical joint use of satellite imagery by collaboration with space agencies of the world. In order to respond heavy snowfall disaster occurred on the east coast of the Korean Peninsula in February 2011, snow-covered regions were analyzed and detected in this study through NDSI(Normalized Difference Snow Index) considering reflectance of wavelength for MODIS sensor and change detection algorithm using satellite imagery collected from International Charter. We present the application case of National Disaster Management Institute(NDMI) which supported timely decision-making through GIS spatial analysis with various spatial data and snow cover map.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
전 지구적으로 발생하고 있는 최근의 재난은 기존의 재난과 달리 예측이 어렵고, 그 규모와 피해정도가 대형화․ 복잡화되고 있는 양상을 보이고 있다. 본 논문에서는 지난 2011년 2월 발생한 강원 동해안 폭설재난대응을 위해 국립방재연구원에서 수행되었던 현업 사례를 기술하고 있으며, 다음과 같은 결론을 도출하였다.
2월 14일까지 해당 지자체로부터 소방방재청의 중앙재난관리시스템에 집계된 폭설피해는 시설물, 농작물 피해 등의 약 553억원의 사유재산 피해와 공공시설 109개소 등 98억이 넘는 공공재산 피해가 발생하였다. 본 연구에서는 2011년 2월 폭설이 내렸던 강원․ 동해안 지역 및 경북 일부지역을 대상으로 저해상 위성영상을 활용한 광역적인 폭설분석과 고해상 위성영상이 확보되었던 경북 일부 지역에 대한 폭설분석을 수행하였다.
제안 방법
ALOS AVNIR-2 센서는 구름과 눈을 구분할 수 있는 분광대역(중적외선: 1.55~1.75㎛)이 없기 때문에 지상거리 250km에 이르는 ALOS AVNIR-2 스트립 영상 중 구름이 많이 분포하고 있는 상단 부분은 제외하고 경북 일부지역에 대한 적설지역 분석을 수행하였다. 폭설 전후 영상의 밝기값 차이를 이용한 변화탐지에서는 연구 지역의 특성과 촬영영상의 밝기값 분포를 면밀히 파악하여 적절한 결과가 나오도록 경험적으로 임계값을 결정해야 한다(Jensen, 1996).
사용된 SRTM DEM은 90×90m으로 절대 수직 정확도는 9m이다. SRTM DEM을 MODIS 영상밴드 31의 공간해상도와 일치하도록 1km 간격으로 영상재분류하였다.
또한, MODIS Terra 영상은 미국 항공우주국(NASA)의 LAADS (Level 1 and Atmosphere Archive and Distribution System)에서 제공받아 분석하였다. 광역적인 폭설피해 분석은 NASA의 MODIS Terra 영상으로부터 눈지수(NDSI) 기법을 적용한 눈지수 분포도를 작성하고, 기상자료(적설, 기온, 습도)를 비교분석하여 적설지역을 예측․ 평가하였다. 또한, 상세지역 피해 분석은 국재재난기구로부터 수집한 ALOS AVNIR-2 광학영상에 변화탐지 알고리즘을 적용하여 적설지역을 추출하고 국가재난관리시스템 DB의 행정구역도와 도로망 레이어를 중첩분석하여 행정구역별 폭설피해를 예측하였다.
동해안 및 경북 일부 지역의 폭설 피해규모 분석은 추출된 적설분포도와 국가재난관리시스템(NDMS) DB 내 행정구역도 레이어를 활용하여 경북지역의 행정구역별 적설분포도를 분석한 후, 적설분포도와 전국 도로망도를 중첩시켜 행정구역별 주요 간선 및 지방도로의 적설면적을 분석하였다(Figure 5). 경북 지역의 행정구역별 적설면적 분포를 분석한 결과, 경주시가 약 51%, 포항 북구지역이 약 41%, 청송군은 33.
둘째, 중해상도 ALOS AVNIR-2 영상으로부터 폭설 전후 변화탐지 알고리즘을 적용하여 경북 일부지역에 대한 적설현황을 분석하였으며, 도로망도 등의 공간자료와의 중첩분석을 통하여 적설로 인한 교통 통제나 고립 등 폭설상황에서 재난관리기관의 의사결정을 위한 다양한 정보를 생산하여 제공하였다.
따라서 MODIS 센서에서 유사한 반사도 특성을 갖는 밴드6 (1.628-1.652μm)과 MODIS 밴드7 (2.105-2.155μm)을 이용하여 구름과 눈을 분류하여 2011년 2월 12일 폭설에 대한 눈지수 분포도 및 적설 분포도를 제작하였다.
광역적인 폭설피해 분석은 NASA의 MODIS Terra 영상으로부터 눈지수(NDSI) 기법을 적용한 눈지수 분포도를 작성하고, 기상자료(적설, 기온, 습도)를 비교분석하여 적설지역을 예측․ 평가하였다. 또한, 상세지역 피해 분석은 국재재난기구로부터 수집한 ALOS AVNIR-2 광학영상에 변화탐지 알고리즘을 적용하여 적설지역을 추출하고 국가재난관리시스템 DB의 행정구역도와 도로망 레이어를 중첩분석하여 행정구역별 폭설피해를 예측하였다. 이러한 광역 및 상세 피해지역에 대한 폭설 분석 과정은 소방방재청 및 국립방재연구원의 폭설재난 상황판단 및 의사결정 지원에 적용되었다(Figure 3).
본 논문에서는 지난 2011년 2월 발생한 강원 동해안 폭설재난 대응을 위해 다양한 위성영상을 수집 · 분석하고 MODIS 영상의 파장대 특성을 고려한 눈지수나 변화탐지 기법을 적용하여 적설 정보를 추출하였다. 또한, 작성된 적설분포도와 기 구축된 공간자료와의 GIS 공간분석을 통하여 재난상황에서 적시적으로 의사결정을 지원한 국립방재연구원의 현업적용 사례를 제시하였다.
본 논문에서는 지난 2011년 2월 발생한 강원 동해안 폭설재난 대응을 위해 다양한 위성영상을 수집 · 분석하고 MODIS 영상의 파장대 특성을 고려한 눈지수나 변화탐지 기법을 적용하여 적설 정보를 추출하였다.
폭설 전후 영상의 밝기값 차이를 이용한 변화탐지에서는 연구 지역의 특성과 촬영영상의 밝기값 분포를 면밀히 파악하여 적절한 결과가 나오도록 경험적으로 임계값을 결정해야 한다(Jensen, 1996). 본 연구에서는 2.2절의 식(2)를 토대로 폭설전후 영상의 밝기값 평균(mean=66)과 표준편차(std. deviation=76)를 감안하여 임계값을 70으로 결정하여 변화탐지 영상을 생성하여 적설지역을 추출하였다(Figure 4).
본 연구에서는 폭설에 대한 기상현상을 공간적으로 분석하고, 위성영상으로부터 계산된 눈지수 분포도와 중첩 분석을 위해 기상청 포털 서비스를 통해 기상관측소 관측지점별로 2011년 2월 12일 12시 기준의 강수(상대습도, 적설) 및 기온 자료를 수집하였으며, 각 지점별 온도, 상대습도, 적설 현황 자료를 크리깅 보간법을 이용하여 1km×1km 격자로 분포도를 작성하였다(Figure 6).
본 연구에서 사용된 MODIS 영상은 2011년 2월 12일 11시 45분에 촬영되었으며, WGS84, UTM 경위도좌표계의 hdf 자료로 제공되었다. 수집된 MODIS 영상은 전처리 과정을 통해 그림자 효과와 지형 영향으로 인한 오류를 제거해야 하며, 본 연구에서는 MODIS 영상의 공간해상도를 고려하여 SRTM DEM(Shuttle Radar Topography Mission Digital Elevation Model) 자료와 Cosine 보정 알고리즘으로 보정처리하였다. 사용된 SRTM DEM은 90×90m으로 절대 수직 정확도는 9m이다.
첫째, 폭설 분석을 위하여 저해상의 MODIS 센서 밴드별 분광특성을 고려하여 적설현황을 탐지할 수 있는 눈지수를 활용하여 적설분포도를 제작하였으며, Kappa 분석을 통하여 기상관측소 자료와 비교 분석하여 정확도를 평가하였다. 다만, 두 자료간 일치 정확도가 다소 낮은 결과를 보임으로써, 보다 정확한 기준자료의 활용과 함께 정확도 개선을 위한 추가적인 연구가 필요할 것으로 판단된다.
대상 데이터
국립방재연구원은 재난상황에서 보다 신속한 위성영상 수집과 분석을 위해 국제재난기구의 사용자 기관(Authorized User)으로 활동하고 있다. 2011년 2월, 국제재난기구와의 협력을 통해 적시성있게 폭설 재난지역의 위성영상(SPOT-5, DMC, ALOS 영상)을 제공받았다. 이 때, 분석에 사용된 ALOS AVNIR-2 영상의 촬영 폭은 약 70km, 촬영방향으로 약 80km에 이르는 RGB/NIR 영상(Table 1)으로 구체적인 센서 특성은 Table 2와 같다.
이 때, 분석에 사용된 ALOS AVNIR-2 영상의 촬영 폭은 약 70km, 촬영방향으로 약 80km에 이르는 RGB/NIR 영상(Table 1)으로 구체적인 센서 특성은 Table 2와 같다. 강원 동해안 폭설지역 분석을 위해 촬영거리가 약 80km인 ALOS AVNIR- 2 단영상 4장을 이용하여 약 250km에 이르는 스트립 영상을 생성하였다.
, 2011). 또한, MODIS Terra 영상은 미국 항공우주국(NASA)의 LAADS (Level 1 and Atmosphere Archive and Distribution System)에서 제공받아 분석하였다. 광역적인 폭설피해 분석은 NASA의 MODIS Terra 영상으로부터 눈지수(NDSI) 기법을 적용한 눈지수 분포도를 작성하고, 기상자료(적설, 기온, 습도)를 비교분석하여 적설지역을 예측․ 평가하였다.
총 36개의 채널로 구성된 MODIS 센서는 촬영모드에 따라 250m, 500m, 1km의 공간해상도를 가진다(Table 3). 본 연구에서 사용된 MODIS 영상은 2011년 2월 12일 11시 45분에 촬영되었으며, WGS84, UTM 경위도좌표계의 hdf 자료로 제공되었다. 수집된 MODIS 영상은 전처리 과정을 통해 그림자 효과와 지형 영향으로 인한 오류를 제거해야 하며, 본 연구에서는 MODIS 영상의 공간해상도를 고려하여 SRTM DEM(Shuttle Radar Topography Mission Digital Elevation Model) 자료와 Cosine 보정 알고리즘으로 보정처리하였다.
사용된 SRTM DEM은 90×90m으로 절대 수직 정확도는 9m이다.
2011년 2월, 국제재난기구와의 협력을 통해 적시성있게 폭설 재난지역의 위성영상(SPOT-5, DMC, ALOS 영상)을 제공받았다. 이 때, 분석에 사용된 ALOS AVNIR-2 영상의 촬영 폭은 약 70km, 촬영방향으로 약 80km에 이르는 RGB/NIR 영상(Table 1)으로 구체적인 센서 특성은 Table 2와 같다. 강원 동해안 폭설지역 분석을 위해 촬영거리가 약 80km인 ALOS AVNIR- 2 단영상 4장을 이용하여 약 250km에 이르는 스트립 영상을 생성하였다.
Terra 위성은 매일 낮 12시와 밤 12시경에 한반도를 통과한다. 총 36개의 채널로 구성된 MODIS 센서는 촬영모드에 따라 250m, 500m, 1km의 공간해상도를 가진다(Table 3). 본 연구에서 사용된 MODIS 영상은 2011년 2월 12일 11시 45분에 촬영되었으며, WGS84, UTM 경위도좌표계의 hdf 자료로 제공되었다.
데이터처리
155μm)을 이용하여 구름과 눈을 분류하여 2011년 2월 12일 폭설에 대한 눈지수 분포도 및 적설 분포도를 제작하였다. 정량적인 눈지수(NDSI) 결과 정확도는 Kappa 통계량으로 평가하였다. 기상자료로부터 작성된 적설분포도(Figure 6c)를 기준자료로 하여 눈지수 분포도(Figure 7b)에 대한 Kappa 분석을 수행한 결과, Table 6과 같이 전체 정확도는 70.
이론/모형
변화탐지(change detection)는 원격탐측 자료를 활용하여 시계열적으로 변화가 발생한 정보들을 추출하는 과정으로, 다중 시계열 위성영상과 PCA기반의 변화탐지, 영상연산을 이용한 변화탐지, 분류영상을 이용한 변화탐지, 분광변화 벡터를 활용한 기법 등이 있다. 본 연구에서는 일반적으로 대기보정이 불필요하며 밝기값 변화가 큰 영상에서 주로 활용되고 있는 영상연산 변화탐지기법을 적용하였다. 이 변화탐지 알고리즘에서 영상의 히스토그램에서 폭설전후 영상소를 구분하는 경계, 즉 임계값(threshold)을 결정하는 것이 중요하며, 변화탐지 알고리즘은 식 (2)로 계산할 수 있다(Jensen, 1996).
수집된 MODIS 영상으로부터 정확한 적설지역 추출을 위해 수분효과 제거, 잡음과 열점 제거 등의 MODIS 영상의 전처리 과정이 필요하며, Lopez 등(2008)의 선행연구에서 사용한 눈지수 등의 임계값을 적용하였다(Table 5). 눈과 구름의 분광학적 특성은 앞 절에서 언급했듯이, 가시광과 근적외선 영역에서 매우 유사한 반사도를 보이지만, 단파장적외선 영역에서는 구름의 경우 반사도가 높은 반면, 눈의 경우에는 반사도가 대체로 낮다.
제작된 적설분포도의 정확도 평가는 이산 다변량기법 중 하나인 Kappa 분석으로 수행하였다(식 3). Kappa 분석은 원격탐사 자료로부터 생성된 주제도와 기준자료 (reference data)간의 일치도나 정확도를 Kappa라는 통계 값(#)을 계산하여 평가한다(Paine and Kiser, 2003).
성능/효과
동해안 및 경북 일부 지역의 폭설 피해규모 분석은 추출된 적설분포도와 국가재난관리시스템(NDMS) DB 내 행정구역도 레이어를 활용하여 경북지역의 행정구역별 적설분포도를 분석한 후, 적설분포도와 전국 도로망도를 중첩시켜 행정구역별 주요 간선 및 지방도로의 적설면적을 분석하였다(Figure 5). 경북 지역의 행정구역별 적설면적 분포를 분석한 결과, 경주시가 약 51%, 포항 북구지역이 약 41%, 청송군은 33.3%로 이들 도시들의 적설량이 상대적으로 타도시들에 비해 많은 것으로 분석되었다.
폭설피해는 과도한 적설로 인한 비닐하우스, 축사 등의 시설 및 구조물 파괴, 노면상의 잔설과 적설로 인한 교통 통제, 도로 진입통제로 인해 고립마을이 발생하는 등 복합적인 재난 양상을 보인다. 경주시를 대상으로 주간선도로 및 국지도로 주변의 적설분포도와 도로망 도를 중첩하여 분석한 결과, 경주시 주요 간선도로의 약 27.3%가 적설지역으로, 대부분 고속도로 인터체인지나 입체 교차로 유출입부 주변에 잔설이 남아 있는 것으로 분석되었다. 특히, 경주 도심의 전체 도로 면적의 74.
수집된 MODIS 영상으로부터 정확한 적설지역 추출을 위해 수분효과 제거, 잡음과 열점 제거 등의 MODIS 영상의 전처리 과정이 필요하며, Lopez 등(2008)의 선행연구에서 사용한 눈지수 등의 임계값을 적용하였다(Table 5). 눈과 구름의 분광학적 특성은 앞 절에서 언급했듯이, 가시광과 근적외선 영역에서 매우 유사한 반사도를 보이지만, 단파장적외선 영역에서는 구름의 경우 반사도가 높은 반면, 눈의 경우에는 반사도가 대체로 낮다. 따라서 MODIS 센서에서 유사한 반사도 특성을 갖는 밴드6 (1.
후속연구
첫째, 폭설 분석을 위하여 저해상의 MODIS 센서 밴드별 분광특성을 고려하여 적설현황을 탐지할 수 있는 눈지수를 활용하여 적설분포도를 제작하였으며, Kappa 분석을 통하여 기상관측소 자료와 비교 분석하여 정확도를 평가하였다. 다만, 두 자료간 일치 정확도가 다소 낮은 결과를 보임으로써, 보다 정확한 기준자료의 활용과 함께 정확도 개선을 위한 추가적인 연구가 필요할 것으로 판단된다.
셋째, 고해상 관측센서 개발과 국내외 위성기반 원격 탐측 기술의 발달로 접근이 불가능한 대규모 재난지역을 주기적으로 반복 촬영된 고해상 위성영상을 활용할 수 있는 여건이 마련됨에 따라 국가적 규모의 재난 전조 모니터링에서부터 신속한 복구활동 등 예방·대비·대응·복구의 재난관리 업무에 다중 위성영상 자료의 활용성이 점차 확대될 것으로 기대된다.
또한, 동부 산간지역에 적설지역이 넓게 분포되어 국도 4, 7, 35 호선이 통제되면서 동부 산간일부 지역에 고립지역이 발생할 것으로 분석되었다. 이러한 GIS를 활용한 중첩 분석 결과를 토대로 지역별 적설분포도나 지자체별 도로 적설분포도 등을 폭설 재난대응단계에서 대민 지원 등 방재업무에 활용할 수 있을 것으로 판단된다.
질의응답
핵심어
질문
논문에서 추출한 답변
위성영상 자료를 이용한 적설 연구는 주로 어떤 방법으로 수행되는가?
적설탐지 관련연구는 주로 기상관측소의 관측자료를 이용하거나 시계열 위성영상 자료를 활용하여 수행되어 왔다. 특히, 위성영상 자료를 이용한 적설 연구는 MODIS 등의 광학센서를 이용하는 방법과 레이더 센서를 이용하는 방법이 주로 수행되었다. 그러나, 광학 영상은 주로 기상이 양호한 낮 동안에만 촬영이 가능하고, 기존의 S- 및 L-밴드 레이더 영상은 공간 해상도가 낮아 적설 경계나 면적을 정확하게 분석하기 어려운 한계가 있다.
동해안 겨울 폭설의 매커니즘은 무엇인가?
우리나라 겨울 폭설은 지형 및 기후적인 특성으로 인해 1월보다 2월에 많이 발생한다. 북서 시베리아의 영하 30° 내외의 찬 고기압이 한반도로 이동하면서 남동해상에서 발달한 상대적으로 온도가 높은 저기압과 만나게 되고, 이 때 발생한 강한 북동풍을 타고 찬 공기가 따뜻한 동해 해수면을 따라 내려오면서 수증기를 공급받아 동해안 지역에 커다란 눈구름대가 형성되는 것이 2월 동해안 폭설의 발생 메커니즘이다. 2011년 2월 10일부터 14일까지 동해시, 강릉시, 울진군 등 강원 동해안 및 경북 울진, 포항, 경주 등지에 최고 133㎝의 폭설이 내려 관측기록 이후 하루 최대 강설량을 보였다(Kim et al.
광학 영상의 한계점은 무엇인가?
특히, 위성영상 자료를 이용한 적설 연구는 MODIS 등의 광학센서를 이용하는 방법과 레이더 센서를 이용하는 방법이 주로 수행되었다. 그러나, 광학 영상은 주로 기상이 양호한 낮 동안에만 촬영이 가능하고, 기존의 S- 및 L-밴드 레이더 영상은 공간 해상도가 낮아 적설 경계나 면적을 정확하게 분석하기 어려운 한계가 있다. 위성영상만으로는 폭설 등의 기상현상을 분석하는 데 한계가 있으므로, 위성영상 분석결과와 지상관측 자료를 융합분석하는 연구들이 수행되고 있다.
참고문헌 (12)
Gupta, R. P., Haritashya, U. K., Singh, P., 2005, Mapping dry/wet snow cover in the Indian Himalayas using IRS multispectral imagery, Remote Sensing of Environment, v.97, pp.458-469.
Hall, D. K., Riggs, G. A., Salomonson, V. V., 1995, Development of methods for mapping global snow cover using Moderate Resolution Imaging Spectroradiometer Data, Remote Sensing of Environment, v.54, pp.127-140.
Hall, D. K., Riggs, G. A., Salomonson, V. V., DiGirolamo, N. E., Bayr, K. J., 2002, MODIS snowcover products, Remote Sensing of Environment, v.83, pp.181-194.
Jensen R. John, 1996, Introductory Digital Image Processing(2nd Edition), Prentice Hall. pp. 257-279.
Kim, Seong Sam, Choi, Jae Won, Cho, Myeong Heum, Goo, Sin Hoi, Park, Young Jin, 2011, Snowfall disaster response by co-work with International Charter, Proceedings of the Korean Society for GeoSpatial Information System, pp. 95-100.
Kim, Seong Sam, Goo, Shin Hoi, Park, Young Jin, 2012, Time-critical disaster response by cooperating with International Charter, Journal of the Korean Society for GeoSpatial Information System, Vol.20, No.2, pp. 109-117.
Klein, A. G., Barnett, A. C, 2003, Validation of daily MODIS snow cover maps of the upper Rio Grande River basin for the 2000-2001 snow year, Remote Sensing of Environment, v.86, pp.162-176.
Kwon, Young Ah, Lee, Kyoungmi, Park, Chang Young, Kim, Jiyoun, 2007, Mapping the snowcovered region using landsat ETM+image -The case of around Gunsan and Buan-, Journal of Climate Research Vol.2, No.1, pp. 24-32.
Liang, T., Zhang, X., Xie, H. Wu,C., Feng, Q., Huang, X., Chen, Q., 2008, Toward improved daily snow cover mapping with advanced combination of MODIS and AMSR-E Measurements, Remote Sensing of Environment, v.112, pp.3750-3761.
Lopez, P., Sirguey, P., Arnaud, Y., Pouyaud, B., Chevallier, P., 2008, Snow cover monitoring in the Northern Patagonia Icefield using MODIS satellite images (2000-2006), Global and Planetary Change, v.61, pp.103-116.
Paine, D. P. and J. D. Kiser, 2003, Aerial photography and image interpretation. 2nd ed., John Wiley and Sons Inc. New Jersey.
Shin, Hyung Jin, Park, Geun Ae, Kim, Seong Joon, 2006, Tracing march 2004 and December 2005 heavy snowfall using NOAA AVHRR images, Proceedings of 2005 KSCE Annual Convention & Civil Expo, pp. 194-197.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.