본 연구에서는 농경지의 면적 산정과 다양한 작물의 생산량 추정을 위해 많이 활용되고 있는 MODIS 영상과 기상자료를 이용하여 우리나라의 벼 수량을 추정해보고자 하였다. Terra와 Aqua 위성으로부터 얻어진 시계열 MODIS NDVI 자료를 구축하고 수량과의 상관성이 높은 시기를 선택하여 기상자료와 함께 다중회귀 모형 기반으로 우리나라 벼 수량을 추정하였다. 2002년부터 2010년까지 MODIS 위성 식생지수 NDVI와 기상자료(일조시간 및 일사량)를 이용하여 우리나라 벼 수량 추정을 위한 다중 회귀모형을 작성하였다. MODIS NDVI와 관측소 기상자료 1을 이용한 모형으로 2011년 쌀 수량 추정한 결과 $494.6kg\;10a^{-1}$로 통계청이 발표한 최종 수량과는 $1.1kg\;10a^{-1}$ 차이가 나는 것으로 나타났다. MODIS NDVI와 관측소 기상자료 2를 이용한 모형으로 2011년 쌀 수량 추정한 결과 $509.7kg\;10a^{-1}$로 통계청이 발표한 최종 수량과 $14.1kg\;10a^{-1}$ 차이가 나는 것으로 나타났다. 2002년부터 2011년까지의 우리나라 쌀 수량 분포도를 작성하였다.
본 연구에서는 농경지의 면적 산정과 다양한 작물의 생산량 추정을 위해 많이 활용되고 있는 MODIS 영상과 기상자료를 이용하여 우리나라의 벼 수량을 추정해보고자 하였다. Terra와 Aqua 위성으로부터 얻어진 시계열 MODIS NDVI 자료를 구축하고 수량과의 상관성이 높은 시기를 선택하여 기상자료와 함께 다중회귀 모형 기반으로 우리나라 벼 수량을 추정하였다. 2002년부터 2010년까지 MODIS 위성 식생지수 NDVI와 기상자료(일조시간 및 일사량)를 이용하여 우리나라 벼 수량 추정을 위한 다중 회귀모형을 작성하였다. MODIS NDVI와 관측소 기상자료 1을 이용한 모형으로 2011년 쌀 수량 추정한 결과 $494.6kg\;10a^{-1}$로 통계청이 발표한 최종 수량과는 $1.1kg\;10a^{-1}$ 차이가 나는 것으로 나타났다. MODIS NDVI와 관측소 기상자료 2를 이용한 모형으로 2011년 쌀 수량 추정한 결과 $509.7kg\;10a^{-1}$로 통계청이 발표한 최종 수량과 $14.1kg\;10a^{-1}$ 차이가 나는 것으로 나타났다. 2002년부터 2011년까지의 우리나라 쌀 수량 분포도를 작성하였다.
The objective of this study was to estimate rice yield in Korea using satellite and meteorological data such as sunshine hours or solar radiation, and rainfall. Terra and Aqua MODIS (The MOderate Resolution Imaging Spectroradiometer) products; MOD13 and MYD13 for NDVI and EVI, MOD15 and MYD15 for LA...
The objective of this study was to estimate rice yield in Korea using satellite and meteorological data such as sunshine hours or solar radiation, and rainfall. Terra and Aqua MODIS (The MOderate Resolution Imaging Spectroradiometer) products; MOD13 and MYD13 for NDVI and EVI, MOD15 and MYD15 for LAI, respectively from a NASA web site were used. Relations of NDVI, EVI, and LAI obtained in July and August from 2000 to 2011 with rice yield were investigated to find informative days for rice yield estimation. Weather data of rainfall and sunshine hours (climate data 1) or solar radiation (climate data 2) were selected to correlate rice yield. Aqua NDVI at DOY 233 was chosen to represent maximum vegetative growth of rice canopy. Sunshine hours and solar radiation during rice ripening stage were selected to represent climate condition. Multiple regression based on MODIS NDVI and sunshine hours or solar radiation were conducted to estimate rice yields in Korea. The results showed rice yield of $494.6kg\;10a^{-1}$ and $509.7kg\;10a^{-1}$ in 2011, respectively and the difference from statistics were $1.1kg\;10a^{-1}$ and $14.1kg\;10a^{-1}$, respectively. Rice yield distributions from 2002 to 2011 were presented to show spatial variability in the country.
The objective of this study was to estimate rice yield in Korea using satellite and meteorological data such as sunshine hours or solar radiation, and rainfall. Terra and Aqua MODIS (The MOderate Resolution Imaging Spectroradiometer) products; MOD13 and MYD13 for NDVI and EVI, MOD15 and MYD15 for LAI, respectively from a NASA web site were used. Relations of NDVI, EVI, and LAI obtained in July and August from 2000 to 2011 with rice yield were investigated to find informative days for rice yield estimation. Weather data of rainfall and sunshine hours (climate data 1) or solar radiation (climate data 2) were selected to correlate rice yield. Aqua NDVI at DOY 233 was chosen to represent maximum vegetative growth of rice canopy. Sunshine hours and solar radiation during rice ripening stage were selected to represent climate condition. Multiple regression based on MODIS NDVI and sunshine hours or solar radiation were conducted to estimate rice yields in Korea. The results showed rice yield of $494.6kg\;10a^{-1}$ and $509.7kg\;10a^{-1}$ in 2011, respectively and the difference from statistics were $1.1kg\;10a^{-1}$ and $14.1kg\;10a^{-1}$, respectively. Rice yield distributions from 2002 to 2011 were presented to show spatial variability in the country.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
후)기상대푯값으로">기상 대푯값으로 사용하기에는 무리가 있다. 따라서 지형적 특성이 반영된 2차원의 상세 기상 자료를 추가적으로 사용하여 수량을 추정하고 비교하고자 하였다. 이를 위해 기상청에서 제공하는 89개 지점의 관측소 및 599개 지점의
본 연구에서는 Terra와 Aqua 위성으로부터 얻어진 시계열 MODIS NDVI 자료를 구축하고 기상자료 및 생육조사 자료를 수집하여 수량과의 상관성을 분석하고 위성정보를 기반으로 우리나라의 벼 수량을 추정하는 것을 목적으로 하였다. 벼 수량은 영양생장기에
후)2).본">본 연구에서는 벼의 생육이 왕성할 때의 작황과 최종 수량이 상관성이 높다는 점과 등숙기의 기상이 쌀 수량에 많은 영향을 미친다는 점에 착안하여 출수기의 NDVI와 등숙기의 기상자료 두 가지를 변수로 하여 쌀 수량을 추정하는 회귀모형을 작성하고자 하였다.
이와 같이 MODIS 영상은 농경지의 면적 산정과 다양한 작물의 생산량 추정을 위해 많이 활용되고 있는데, 본 연구에서는 Terra와 Aqua 위성으로부터 얻어진 시계열 MODIS NDVI 자료와 기상자료 및 생육조사 자료를 수집하여 수량과의 상관성을 분석하고 위성정보를 기반으로 우리나라의 벼 수량을 추정하는 것을 목적으로 하였다.
제안 방법
2002년부터 2010년까지의 MODIS 위성 식생지수 NDVI와 관측소 평균 기상값 및 2차원 기상 관측 자료 (일조시간 및 일사량)를 이용하여 우리나라 벼 수량 추정을 위한 다중 회귀모형을 작성하였다. MODIS NDVI 와 관측소
NDVI 자료는 연간 22~23개의 파일이 저장되는데, 한반도를 포함하는 h27v04, h27v05, h28v05 세 개의 granule 자료를 Terra 위성으로부터는 2000년 2월 19일, Aqua 위성으로부터는 2002년 7월 4일부터 2011년 10월까지 다운로드 받았다. Fig. 1에서 나타난 전처리 과정과 같이 NDVI 레이어와 QC/QA 레이어를 import 하고 각 granule을 영상접합(Mosaic) 한 후 USGS의 MRT(MODIS Reprojection Tool)을 이용하여 영상자료 배포 좌표계인 WGS-84 Sinusoidal을 경위도 좌표로 재투영(Reproject) 하였다. 보정계수를 적용하여 영상자료가
후)상 관계수를">상관계수를 나타내고 있다. Terra 자료는 2000년부터 2011년까지 12년 동안의 데이터 셋과 2002년부터 2011년까지 10년 동안의 데이터 셋, 두 가지로 나누어 상관분석 하였다. 12년 동안의 자료를 이용한 경우에 비해 최근 10년 동안의 자료를 이용했을 때 대개 상관성이 높게 나타났다.
경위도로 투영된 3 km 상세 기후자료를 import 하여 IDL(Interactive Data Language)를 이용하여 일별 강수량 및 일사량으로 각각 매핑하여 위성자료와의 비교및 공간분석이 가능한 2차원 격자자료로 변환하여‘기 상자료 2’로 명명하고 수량과의 상관성 분석과 회귀식 작성에 사용하였다.
후)그에 따라">그에 따라 최종 수량과 상관성 높은 시기의 MODIS 식생지 수와 등숙기의 기상 요인 중 수량 추정에 사용할 변수를 선택하기 위해 각 요인과 최종 수량과의 상관성을 각각 분석하였다.
후)점관측값에">점 관측값에 의한 산술평균값으로만 계산되므로 지도 작성에 활용할 수가 없다. 따라서 MODIS NDVI 자료와 일사량 2를 이용하여 2002년부터 2011년까지의 우리나라 쌀 수량 지도를 각각 제작하였다(Fig. 5).
후)벼 논">벼논 지역에 대한 NDVI 및 기상자료 값을 추출하기 위하여 2011년 상반기를 기준으로 하여 지적도상 지목이 논인 지역을 추출하여 벡터 자료인 상태로 접합 (Merge)한 후 90 m 격자 영상으로 변환하여 전국을 대상으로 한 논 마스크(Mask) 영상을 작성하였다(Fig. 2).
">재투영(Reproject) 하였다. 보정계수를 적용하여 영상자료가 데이터 값으로 표현되도록 자료를 변환하여 자료 분석에 사용하였다.
시기별 MODIS NDVI 및 등숙기 기상자료와 수량과의 상관성 분석 결과 식생지수는 8월 21일 Aqua MODIS NDVI를, 기상자료는 점관측 누적 일조시간/강수량 자료(기상자료 1)와 객관 분석 적용 후 논 지역의 자료값만 추출한 누적 평균 일조시간/일사량 또는 누적 평균 강수량 자료(기상자료 2)를 각각 이용하여 우리나라 쌀 수량 모형을 각각 작성하였다(Table 3, Table 4).
후)등 숙기의">등숙기의 기상은 출수기 이후 쌀의 수량을 결정하는 가장 중요한 환경 요인이다 (Cock and Yoshida, 1972). 예비시험 차원에서 온도, 강수량, 일사량과 수량과의 상관성을 살펴본 결과 평균 및 적산온도 모두 수량과의 상관성이 낮거나 없게 나타나 기상자료 1과 2에서 등숙기 누적 강수량 및 누적 일사량 평균 및 합을 사용하여 분석하였다(Table 2).
후)얼마나 잘">얼마나 잘 자랐는지에 대한 열매 그릇의 크기와 그릇이 생겨난 후 성숙기 동안 햇빛을 얼마나 많이 받았는가에 의해 결정된다라는 농학적 개념을 적용하였다. 이때 위성정보로부터 추출한 논 지역의 출수기 NDVI(x1)와 기상정보로부터 작성된 등숙기 일사량 자료(x2)를 각각 독립변수로 하여 쌀 수량 추정을 위한 단순 중회귀 모형을 작성 하였다.
후)통계 모형">통계모형 작성을 목표로 하였다. 이때 위성정보로부터 추출한 논 지역의 출수기 NDVI(x1)와 등숙기 기상자료(x2)를 각각 독립변수로 하여 쌀 수량 추정을 위한 단순 중회귀 모형(쌀 수량=a*출수기 NDVI + b*등숙기 기상자료 + c)을 작성 하였다.
이를 위해 기상청에서 제공하는 89개 지점의 관측소 및 599개 지점의 자동 기상관측 장치 (Automatic Weather Station; 이하 AWS)에서 관측된 일별 기상 자료(‘00~’11)를 수집하고, Cressman 기법을 이용하여 3 km의 격자간격을 가지도록 객관 분석을 수행하였다(안중배 등, 2010; Cressman, 1959).
작성된 논 마스크 영상을 이용하여 Fig. 3과 같이 MODIS NDVI 및 일별 기상자료의 레이어로부터 논 지역의 해당 값만을 추출하여 논 지역에 대한 평균 NDVI 및 기상자료 값을 산정하여 자료 분석에 사용하였다. 논 마스크 영상의
후)기상요인으로">기상 요인으로 선택하였다. 즉, 우리나라 대표 출수기인 8월 20일을 기준으로 기상자료 1과 2 모두, 출수 후 35일의 누적 평균 일조시간/일사량 또는 누적 평균 강수량을 두 번째 변수로 사용하여 벼 수량 추정 회귀모형을 작성하였다.
30 m급의 환경부 토지피복분류도도 이용하였으나 통계분석 결과가 지적도 기반과 같게 나타났다(Data not shown). 지적도와 토지피복분류도의 논 면적을 비교해 본 결과 지적도의 논 면적이 토지피복분류도의 논 면적 보다 농업통계 경지면적(논)과 차이가 작게 나타나 이후의 자료 분석에는 지적도를 활용하였다.
대상 데이터
본 연구에서는 이들 자료들 중 Terra와 Aqua 위성으로부터 육지(land) 연구를 위하여 만들어진 MOD13 및 MYD13 (Vegetation indices) NDVI 및 EVI(Enhanced Vegetation Index, 이하 EVI), MOD15 및 MYD15의 LAI 자료를 이용하였다. 16일 단위로 작성된 NDVI 및 EVI 자료는 250 m, 1 km, 25 km 세 종류의 공간해상도로 제공되는데, 본 연구에서는 250 m 자료를 사용하였다. LAI 자료는 1 km 자료를 이용하였다.
후)연중 일">연중일 201(7월 20일), 217(8월 5일), 233(8월 21일) 영상을 각각 이용하였다. LAI 영상은 8일 자료로 제공되고 있어 Terra 및 Aqua 모두 연중일 201, 209, 217, 225, 233, 241 영상을 쌀 수량과의 상관성 분석에 사용하였다(Table 2).
후)공간 해상도로">공간해상도로 제공되는데, 본 연구에서는 250 m 자료를 사용하였다. LAI 자료는 1 km 자료를 이용하였다. NASA의 WIST(The Warehouse Inventory Search Tool) 사이트에서 연구 대상 영상을 검색한 후 자료를 요청하였다.
MOD13과 MYD13의 NDVI 자료는 구름의 영향을 제거하기 위해, 매일 취득한 영상을 16일씩 중첩하여 조건별로 최대인 값을 계산하는 MVC(Maximum value composite; 이하 MVC) 방법으로 산정한 16일 단위의 영상(level 3)을 제공하고 본 연구에서는 Level 3 영상을 사용하였다(MODIS Web, http://modis.gsfc. nasa.gov/data/ atbd/land_atbd.php, DataAlgorithms, atbd_ mod13.pdf). NASA는 MOD15와 MYD15의 LAI 자료의 경우 Myneni et al.
LAI 자료는 1 km 자료를 이용하였다. NASA의 WIST(The Warehouse Inventory Search Tool) 사이트에서 연구 대상 영상을 검색한 후 자료를 요청하였다. NDVI 자료는 연간 22~23개의 파일이 저장되는데, 한반도를 포함하는 h27v04, h27v05, h28v05 세 개의 granule 자료를 Terra 위성으로부터는 2000년 2월 19일, Aqua 위성으로부터는 2002년 7월 4일부터 2011년 10월까지 다운로드 받았다.
NASA의 WIST(The Warehouse Inventory Search Tool) 사이트에서 연구 대상 영상을 검색한 후 자료를 요청하였다. NDVI 자료는 연간 22~23개의 파일이 저장되는데, 한반도를 포함하는 h27v04, h27v05, h28v05 세 개의 granule 자료를 Terra 위성으로부터는 2000년 2월 19일, Aqua 위성으로부터는 2002년 7월 4일부터 2011년 10월까지 다운로드 받았다. Fig.
기상청에서 관측 및 제공하고 있는 70개 지점의 관측소에서 수집된 일별 관측 자료를 전국 평균한 1차원의 등숙기 온도, 누적 강수량, 누적 일조시간 자료를 산술 평균하여 전국 평균값을 산정하여‘기상자료 1’로 명명하고, 수량과의 상관성 분석과 회귀식 작성에 사용하였다.
후)김이현 등,">김이현등, 2007). 따라서 NDVI 값과 쌀 수량과의 상관성 분석을 위해 Terra 위성의 MODIS NDVI 및 EVI는 연중일 (DOY, Day Of Year) 209(7월 28일)과 225(8월 13일) 영상을 각각 이용하였고 Aqua 위성의 MODIS NDVI 및 EVI는 연중일 201(7월 20일), 217(8월 5일), 233(8월 21일) 영상을 각각 이용하였다. LAI 영상은 8일 자료로 제공되고 있어 Terra 및 Aqua 모두 연중일 201, 209, 217, 225, 233, 241 영상을 쌀 수량과의
대부분의 level 1과 모든 level 2 자료는 위성으로부터 약 5분 단위로 연속적으로 얻어지는 자료를 granule로 저장한다. 본 연구에서는 이들 자료들 중 Terra와 Aqua 위성으로부터 육지(land) 연구를 위하여 만들어진 MOD13 및 MYD13 (Vegetation indices) NDVI 및 EVI(Enhanced Vegetation Index, 이하 EVI), MOD15 및 MYD15의 LAI 자료를 이용하였다. 16일 단위로 작성된 NDVI 및 EVI 자료는 250 m, 1 km, 25 km
전국 벼 수량 통계 자료는 통계청 국가통계포털에서 제공하는 농림어업 통계자료 중 농작물 생산조사 자료‘00~’ ( 10)를 수집하여 사용하였다(Table 1).
데이터처리
후)생산조사자료‘00~’">생산조사 자료‘00~’ ( 10)를 수집하여 사용하였다(Table 1). 수량과의 상관성 분석과 회귀모형 작성을 위해서 JMP 9(SAS Institute Inc., USA) 통계 소프트웨어를 사용하였다. 벼 수량은 영양생장기에 얼마나 잘 자랐는지에 대한 열매 그릇의 크기와 그릇이 생겨난 후 성숙기 동안 햇빛을 얼마나 많이 받았는가에 의해 결정된다라는 생각으로
이론/모형
NASA는 MOD15와 MYD15의 LAI 자료의 경우 Myneni et al.(1992)의 3차원 복사전달모형을 이용한 알고리즘을 이용하여 biome에 따라 LAI를 산출하고 8일 단위 영상을 제공한다(MODIS Web, http://modis. gsfc.nasa.gov/data/ atbd/land_atbd.php, Data-Algorithms, atbd_ mod15.pdf).
성능/효과
1 kg 10a-1 차이가 나는 것으로 나타났다. MODIS NDVI와 기상자료 1, MODIS NDVI와 기상자료 2를 이용하여 각각 추정한 연도별 쌀 수량과 통계청 쌀 수량 통계 자료를 비교한 결과 MODIS NDVI와 기상자료 1을 이용하여 추정한 모형의 RMSE가 19.677 kg 10a-1이고 MODIS NDVI와 기상자료 2를 이용한 경우 RMSE가 14.625 kg 10a-1로 더 낮게 나타났고 전반적으로 1:1선에 더 근접한 것으로 나타났다.
후)유수 형성기에서">유수형성기에서 출수기 사이에 얻어진 식생지수와 최종 수량은 양의 상관계수가 높은 시기를 택하는 것이 중요하다. 그러한 관점에서 10년간의 자료 분석 결과 최종 수량과의 상관계수가 0.62로 가장 높게 나타났다는 점과 우리나라에서 가장 많이 재배되고 있는 중만생종 벼의 대표 출수기가 8월 20일이라는 점을 고려할 때 Aqua MODIS 8월 21일(연중일 233) NDVI가 적합한 것으로 생각되었다.
기상자료 1과 2의 등숙기 누적 강수량과 쌀 수량은 음의 상관성을, 누적 일사량은 양의 상관성을 나타내었다(Table 2). 2000년에서 2010년까지 11년 자료를 이용한
후)것보다">것 보다 2002년부터 2010년까지 9년 자료를 이용한 경우 쌀 수량과의 상관성이 기상자료 1과 2 모두에서 높게 나타났다. 기상자료 1에서는 강수량과 쌀 수량과의 상관계수가 높게 나타났고 기상자료 2에서는 일사량과의 상관계수가 더 높게 나타났다. 작물의 수량은 광합성의 결과이고 광이용 효율에 따라 생육과 수량이 크게 좌우된다는 점과
기상자료 2를 이용한 경우, 식생지수와 일사량을 이용한 다중회귀 모형의 결정계수가 0.78*이고 RMSE가 15.2 kg 10a-1로 나타났다(Table 4). 기상변수 1을 이용한 경우보다 결정계수가 높고 RMSE가 낮은 것으로 나타났다.
후속연구
후)변화분석도">변화 분석도 가능할 것으로 판단된다. 또한, 고해상도 위성자료를 이용한 남북한 사례지역에 대한 연구 결과 (data now shown), 벼 생육기간 중 동일 시기인 경우 우리나라 연구지역의 NDVI가 북한 연구지역보다 항상 높게 나타나 우리나라의 벼 생육량이 더 높은 것으로 판단되나 그 차이 및 수량에 미치는 영향에 대한 정량화 연구가 향후 요구된다.
이와 같은 결과를 종합하여 볼때, 위성자료를 이용하여 연도별 생육 상태와 수량에 대한 지역별 및 연차간 변화 분석도 가능할 것으로 판단된다. 또한, 고해상도 위성자료를 이용한 남북한 사례지역에 대한
질의응답
핵심어
질문
논문에서 추출한 답변
NDVI 값은 어떤 특징이 있는가?
, 1973)이다. NDVI는 -1에서 1사이의 값을 가지며 식생은 대개 0.2이상에서 1에 가까운 값을 갖게 된다(Eq. 1).
MODIS 자료는 어떤 형태로 제공되는가?
MODIS는 영상보정, 대기, 육지, 극지, 해양 등의 관측에 중요한 약 40개의 자료(MOD1~MOD40)를 생산하는데, 다중 데이터의 유형을 지원할 수 있고 간편하고 구현이 쉬운 HDF_EOS(Hierarchical Data Format) 형태로 제공된다. NASA에서는 MODIS 자료를 무료로 제공하는데 level 1, 2, 3으로 나뉜다.
위성영상을 이용한 농작물의 작황 추정이 농업 분야에서 중요하게 여겨지고 있고 많은 나라에서 활발하게 연구되고 있는 이유는 무엇인가?
, 2010). 이는 주요 곡물의 재배면적과 생산량 정보가 식량수급 조절, 가격 예측, 농가소득 보전을 위한 정책 수립 등에 중요 하게 활용되고 있기 때문이다. 국내뿐만 아니라 곡물 수 출입국의 생산량 동향도 정책 판단의 자료가 되므로 수출과 수입 대상 작물에 대한 국외 작황 역시 관심사가 아닐 수 없다.
참고문헌 (19)
김이현, 홍석영, 김명숙, 곽한강, 임상규, 2007. 농촌진흥청 국립농업과학원 농업환경부 시험연구보고서. 광학센서를 이용한 단백질함량 추정법 개발. pp.376-393.
미국 농무성 외국농업청(USDA FAS), http://www.pecad.fas.usda.gov/cropexplorer/.
안중배, 허지나, 심교문, 2010. 수치예보 모형을 이용한 역학적 규모축소 기법을 통한 농업기후지수 모사, 한국농림기상학회지, 12(1): 1-10.
홍석영, 최은영, 김건엽, 강신규, 김이현, 장용선, 2009. MODIS NDVI를 이용한 북한의 벼 수량 추정 연구, 2009 대한원격탐사학회 춘계학술대회 논문집, pp. 116-120.
Ahn, J.B., C.K. Park, and E.S. Im, 2002. Reproduction of regional scale surface air temperature by estimating systematic bias of mesoscale numerical model, Journal of Korean Meteorological Society, 38(1): 69-80.
Becker-Reshef, I., E. Vermote, M. Lineman, and C. Justice, 2010. A generalized regression-based model for forecasting winter wheat yields in Kansas and Ukraine using MODIS data, Remote Sensing of Environment, 114: 1312-1323.
Chang, J., M.C. Hansen, K. Pittman, M. Carroll, and C. DiMiceli, 2007. Corn and soybean mapping in the United States using MODIS time-series data sets, Agronomy Journal, 99: 1654-1664.
Cock, J.H. and S. Yoshida, 1972. Accumulation of $^{14}C$ -labelled carbohydrate before flowering and its subsequent redistribution and respiration in the rice plant, Proceedings of the Crop Science Society of Japan, 41: 226-234.
Doraiswamy, P.C, T.R. Sinclair, S. Hollinger, B. Akhmedov, A. Stern. and J. Prueger, 2005. Application of MODIS derived parameters for regional crop yield assessment, Remote Sensing of Environment, 97: 192-202.
Hong, S.Y., J.T. Lee, S.K. Rim, and J.S. Shin, 1997. Radiometric estimates of grain yields related to crop aboveground net production (ANP) in paddy rice. Proc. of 1997 International Geoscience and Remote Sensing Symposium, Singapore, Aug. 3-8, pp. 1793-1795.
Jordan, C.F., 1969. Derivation of leaf area index from quality of light on the forest floor, Ecology, 50: 663-666.
Myneni, R.B., G. Asrar, and F.G. Hall, 1992. A three dimensional radiative transfer modelsalgorithms- experiments. Remote Sensing of Environment, 51: 3-26.
Narongrit, C. and K. Chankao, 2009. Development and validation of rice evapotranspiration model based on Terra/MODIS remotely sensed data, Journal of Food, Agriculture & Environment, 7: 684-689.
Rasmussen M.S., 1997. Operational yield forecast using AVHRR NDVI data: reduction of environmental and inter-annual variability, International Journal of Remote Sensing, 18(5): 1059-1077.
Rouse, J.W, R.H. Haas, J.A. Schell, and D.W. Deering, 1973. Monitoring vegetation systems in the great plains with ETRA. In third ETRS Symposium, NASA SP-353. U.S. Govt. Printing Office, Washington D.C., 1: 309-317.
Ren, J., Z. Chen, Q. Zhou, and H. Tang, 2008. Regional yield estimation for winter wheat with MODIS-NDVI data in Shandong, China, International Journal of Applied Earth Observation and Geoinformation, 10: 403-413.
Sun, J., 2000. Dynamic monitoring and yield estimation of crops by mainly using the remote sensing technique in China, Photogrammetric Engineering and Remote Sensing, 66(5): 645-650.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.