정규식생지수(NDVI)는 식생자원을 모니터링할 수 있도록 설계된 식생지수(VI-Vegetation Index) 중 하나로 여러 응용 분야에서 가장 많이 사용되고 있는 지수이다. 산림 분야에서도 NDVI가 많이 활용되고 있는데 본 논문에서는 산림 변화 모니터링을 위해 MODIS NDVI를 활용하는 방법론이 연구되었다. 특정 시점을 기준으로 NDVI 값을 비교 및 분류하여 변화를 탐지하는 방법은 기계나 기상상태의 영향으로 자료의 정확성이 떨어질 수 있고 장기적인 변화를 탐지하는데도 어려움이 있다. 이러한 점을 고려하여 본 논문에서는 하모닉 모형을 이용하여 NDVI 시계열 자료를 통해 NDVI 패턴을 고려하는 방법론을 제시하였다. 먼저 하모닉 모형을 적용하여 미관측 자료나 자료의 오류를 보정한 NDVI 시계열 자료를 재구축하고 추정된 하모닉 요소의 모수를 기준으로 장기적 패턴을 통해 식생의 변화를 모니터링할 수 있다. 제안된 방법은 한반도 지역의 2009년 8월 21일부터 2011년 9월 6일까지 총 49개의 MODIS NDVI 시계열 자료에 적용하여 모형의 유용성을 입증하였다.
정규식생지수(NDVI)는 식생자원을 모니터링할 수 있도록 설계된 식생지수(VI-Vegetation Index) 중 하나로 여러 응용 분야에서 가장 많이 사용되고 있는 지수이다. 산림 분야에서도 NDVI가 많이 활용되고 있는데 본 논문에서는 산림 변화 모니터링을 위해 MODIS NDVI를 활용하는 방법론이 연구되었다. 특정 시점을 기준으로 NDVI 값을 비교 및 분류하여 변화를 탐지하는 방법은 기계나 기상상태의 영향으로 자료의 정확성이 떨어질 수 있고 장기적인 변화를 탐지하는데도 어려움이 있다. 이러한 점을 고려하여 본 논문에서는 하모닉 모형을 이용하여 NDVI 시계열 자료를 통해 NDVI 패턴을 고려하는 방법론을 제시하였다. 먼저 하모닉 모형을 적용하여 미관측 자료나 자료의 오류를 보정한 NDVI 시계열 자료를 재구축하고 추정된 하모닉 요소의 모수를 기준으로 장기적 패턴을 통해 식생의 변화를 모니터링할 수 있다. 제안된 방법은 한반도 지역의 2009년 8월 21일부터 2011년 9월 6일까지 총 49개의 MODIS NDVI 시계열 자료에 적용하여 모형의 유용성을 입증하였다.
Normalized Difference Vegetation Index (NDVI) has been used to measure and monitor plant growth, vegetation cover, and biomass from multispectral satellite data. It is also a valuable index in forest applications, providing forest resource information. In this research, an approach for monitoring fo...
Normalized Difference Vegetation Index (NDVI) has been used to measure and monitor plant growth, vegetation cover, and biomass from multispectral satellite data. It is also a valuable index in forest applications, providing forest resource information. In this research, an approach for monitoring forest change using MODIS NDVI time series data is explored. NDVI difference-based approaches for a specific point in time have possible accuracy problems and are lacking in monitoring long-term forest cover change. It means that a multi-time NDVI pattern change needs to be considered. In this study, an efficient methodology to consider long-term NDVI pattern is suggested using a harmonic model. The suggested method reconstructs MODIS NDVI time series data through application of the harmonic model, which corrects missing and erroneous data. Then NDVI pattern is analyzed based on estimated values of the harmonic model. The suggested method was applied to 49 NDVI time series data from Aug. 21, 2009 to Sep. 6, 2011 and its usefulness was shown through an experiment.
Normalized Difference Vegetation Index (NDVI) has been used to measure and monitor plant growth, vegetation cover, and biomass from multispectral satellite data. It is also a valuable index in forest applications, providing forest resource information. In this research, an approach for monitoring forest change using MODIS NDVI time series data is explored. NDVI difference-based approaches for a specific point in time have possible accuracy problems and are lacking in monitoring long-term forest cover change. It means that a multi-time NDVI pattern change needs to be considered. In this study, an efficient methodology to consider long-term NDVI pattern is suggested using a harmonic model. The suggested method reconstructs MODIS NDVI time series data through application of the harmonic model, which corrects missing and erroneous data. Then NDVI pattern is analyzed based on estimated values of the harmonic model. The suggested method was applied to 49 NDVI time series data from Aug. 21, 2009 to Sep. 6, 2011 and its usefulness was shown through an experiment.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
변화 탐지를 위해 특정 시간을 기준으로 NDVI 값을 비교 및 분류하는 방법보다는 장기적 패턴에서 식생의 변화를 탐지하는 것이 필요함을 보여주었다. 또한, 본 연구에서는 평균값, 주기, 진폭, 위상의 4가지 요소로 정의되는 하모닉 모형이 NDVI 시계열 자료의 장기적 패턴을 분석하는데 적합함을 제시하고자 하였다. 하모닉 모형을 적용하면 계절적 변화나 장기적 패턴 변화를 추적할 수 있을 뿐만 아니라 자료획득시 발생하는 미관측이나 관측자료 오류 문제도 적응과정을 통해 추정될 수 있다.
본 논문에서는 산림 변화 모니터링을 위해 MODIS NDVI를 활용하는 방법론이 연구되었다. 변화 탐지를 위해 특정 시간을 기준으로 NDVI 값을 비교 및 분류하는 방법보다는 장기적 패턴에서 식생의 변화를 탐지하는 것이 필요함을 보여주었다.
본 논문에서는 장기적 산림 변화 탐지를 위해 MODIS NDVI의 패턴을 활용하는 방법론이 제시되었다. 장기간에 걸친 NDVI 시계열 자료는 계절적 변화 양상을 잘 보여주고 있는 파장의 형태로 이러한 변화과정은 수준, 주기, 진폭, 위상의 요소를 가진 하모닉(harmonic) 모형으로 표현될 수 있다[16].
제안 방법
NASA는 진행산불 탐지 자료로 MODIS thermal anomalies/Fireproduct를 제작하여 제공하고 있는데, 산불이 발생한 경우는 식생 변화에 대한 산불의 영향을 확인해 볼 수 있기 때문에 NASA가 제공하는 MODIS의 진행 산불 자료인 MYD14A1을 사용하여 산불에 의해 식생이 변화된 정도를 살펴보았다. 2011년 4월 12, 13일 대규모 산불이 발생하여 산불 발생 지점이 100여 곳에 이르는 것으로 보고되어서 4월 12일 MYD14A1를 통해 산불 발생 지점에 대한 정보를 구하고 발생 지점에 대해 2010년과 2011년의 식생을 비교해 보았다.
다음은 NDVI 시계열 자료를 통해 NDVI 차이를 이용한 지표면 식생 변화 탐지 방법의 문제점을 제시하고 장기적 관점에서의 변화 탐지 기법의 필요성을 설명하였다. 이러한 관점에서 NDVI 패턴을 모형화하기 위해 2009년 8월 21일부터 2011년 9월 6일까지 2년간 총 49개의 NDVI 시계열 자료를 수집하여 하모닉 모형을 적용한 시계열 자료를 재구축하였다.
먼저 한반도 지역의 전반적인 연간 식생 변화를 관찰하기 위해 2006년부터 2011년까지 6년간 식생이 활발해지는 시기인 5월 중순 동일 시간대의 MODIS NDVI 값을 기준으로 단순 분류된 영상을 그림 2에서 비교해 보았다. 특히 북한지역의 경우는 그림 2에서 볼 수 있듯이 잦은 산림 훼손과 산불로 인해 식생의 변화가 있음을 알 수 있다.
먼저 한반도의 전반적인 식생 변화를 살펴보기 위해 식생 활력도가 좋아지는 시기인 5월 중순(5월 17일)에 대해 2006년부터 2011년까지 6년간의 동일 시간대 MYD13Q1 자료를 수집하여 NDVI를 비교하였고 NDVI 차이를 이용하여 변화 정도를 분류하였다.
연구 목표에 따라 산림의 중요 변수와 활용 지표를 정의하고 이를 획득하고 분석할 수 있는 적합한 영상처리 및 분석 방법을 선택하여 적용한다. 식생자원을 모니터링할 수 있도록 설계된 식생지수(VIVegetation index) 중의 하나인 정규식생지수 (NDVI: Normalized Difference Vegetation Index)는 식생의 광합성량과 직접 연관되어 있는 지수로 생물학적, 생태학적인 목적으로 여러 응용 분야에서 가장 많이 사용되고 있는 지수이다[7, 9].
다음은 NDVI 시계열 자료를 통해 NDVI 차이를 이용한 지표면 식생 변화 탐지 방법의 문제점을 제시하고 장기적 관점에서의 변화 탐지 기법의 필요성을 설명하였다. 이러한 관점에서 NDVI 패턴을 모형화하기 위해 2009년 8월 21일부터 2011년 9월 6일까지 2년간 총 49개의 NDVI 시계열 자료를 수집하여 하모닉 모형을 적용한 시계열 자료를 재구축하였다.
하모닉 모형을 이용하면 연속적인 시계열 자료에서 미관측 자료와 악성자료를 실시간으로 복구할 수 있을 뿐만 아니라 NDVI 패턴을 모형화하여 장기적인 관점에서 산림의 변화를 탐지할 수 있게 된다. 제안된 방법은 한반도의 실험지역 MODIS NDVI 자료에 적용되어 그 유효성을 검증하였다. 이러한 접근법은 향후 산림탐지 정확도를 높일 수 있는 새로운 변화 탐지 기법을 개발하는 기반이 될 수 있을 것이다.
대상 데이터
NASA가 제공하는 MODIS NDVI 자료는 16일 동안의 일일 NDVI 자료를 이용하여 합성된다. 기본적으로 일일 NDVI를 계산한 후 각 화소마다 16일 기간 동안 가장 높은 NDVI값을 배당하는 방식으로 합성된다[6].
본 연구에서는 MODIS/Aqua vegetation indices 16-day L3 global 250m SIN Grid(v005) (MYD13Q1) 자료가 사용되었고 자료는 NASA WIST 사이트에서 받을 수 있다[13]. MYD13Q1에는 식생의 생물리적, 생화학적 상태와 변화과정의 특성을 이해할 수 있는 NDVI와 Enhanced Vegetation Index (EVI) 두 식생지수가 포함되어 있고 MODIS 영상 각 화소에 대한 자료의 정확성에 관한 신뢰도와 질 평가 자료도 함께 제공되고 있다.
사용된 모든 자료는 NASA가 제공하는 MODIS Tool을 사용하여 한반도를 커버하는 영상들을 타일링하고 Sinusoidal 투영체계에서 UTM Zone 52N(Datum: WGS84) 좌표체계로 변환되어 사용되었다[6].
시계열 자료에서도 5월 17일 기준으로 연간 비교를 해보면 2011년 4월 대규모 산불 발생으로 인해 2011년 NDVI 값에 변화가 있을 것을 예상해 볼 수 있다. 이를 위해 2009년 8월 21일부터 2011년 9월 6일까지 총 49개의 NDVI 시계열 자료를 수집하였다.
성능/효과
이 지점에서는 2010년, 2011년 5월 17일 두 시기의 NDVI 값이 유사함을 볼 수 있다. 반면 그림 4의 (b)는 그림 3의 (c)와 (d) 지역의 산불이 일어난 지점의 샘플 시계열 자료로 산불의 영향으로 NDVI 값이 0.5 정도로 크게 차이가 나는 것을 확인할 수 있다.
본 논문에서는 산림 변화 모니터링을 위해 MODIS NDVI를 활용하는 방법론이 연구되었다. 변화 탐지를 위해 특정 시간을 기준으로 NDVI 값을 비교 및 분류하는 방법보다는 장기적 패턴에서 식생의 변화를 탐지하는 것이 필요함을 보여주었다. 또한, 본 연구에서는 평균값, 주기, 진폭, 위상의 4가지 요소로 정의되는 하모닉 모형이 NDVI 시계열 자료의 장기적 패턴을 분석하는데 적합함을 제시하고자 하였다.
본 연구에서는 2년간의 MODIS NDVI 시계열 자료를 사용하였는데 시계열 자료로서 충분한 양의 자료는 아니어서 장기간에 걸친 전반적인 산림 현황과 변화를 이해하기는 어려웠지만 하모닉 모형이 2년간의 자료만으로도 원 자료에 대한 fitting이 좋은 것을 보여줄 수 있었다. 또한 하모닉 모형의 경우는 기존의 스무딩, 필터링 방법들이 대부분 batch 방식인 것에 비해 예측 방식이어서 실시간으로 시계열 자료를 재구축하는데 훨씬 효율적이다.
그림 5에서는 NDVI 시계열 자료와 하모닉 모형을 적용하여 재구축된 시계열 NDVI 자료를 비교하고 하모닉 모형의 fitting 정도를 시각적으로 확인해 보았다. 하모닉 모형이 자료 변동성을 최소화 하며 시계열 패턴을 따라가고 있는 것을 볼 수 있으며 이를 통해 하모닉 모형이 NDVI 시계열 자료의 패턴을 모형화하는데 유용함을 확인해 볼 수 있다.
후속연구
이는 장기간의 NDVI 분포 패턴에 기반을 두고 패턴에 변화가 있는 지역을 산림 변화 지역으로 탐지해야 한다는 것을 의미한다. 따라서 산림 변화 탐지의 정확도를 개선하기 위해서는 NDVI 시계열 자료를 이용할 수 있는 연구가 더 필요하다.
제안된 방법은 한반도의 실험지역 MODIS NDVI 자료에 적용되어 그 유효성을 검증하였다. 이러한 접근법은 향후 산림탐지 정확도를 높일 수 있는 새로운 변화 탐지 기법을 개발하는 기반이 될 수 있을 것이다.
따라서 보다 정확한 산림 변화 모니터링을 위해서는 NDVI 시계열 자료와 함께 MODIS의 지표온도나 기상자료, LAI와 같은 부가 정보에 대한 시계열 자료가 필요하며 이러한 자료를 통합적으로 사용하여 NDVI 변화 팬턴을 통한 장기적 산림 변화와 함께 산림 유실, 토지 유용, 산불과 같은 재해로 인한 변화를 동시에 탐지할 수 있다. 향후 이를 기반으로 산림 변화 탐지와 복원의 정확성을 증가시킬 수 있는 연구가 진행될 예정이다.
질의응답
핵심어
질문
논문에서 추출한 답변
식생활력도를 나타내는 NDVI는 무엇인가?
식생활력도를 나타내는 NDVI는 산림 환경을 모니터링하고 시계열 변화에 기초하여 식생의 연중 변화 양상을 추정하는 등, 산림분야에서 매우 중요하게 활용되는 식생지수이다[5]. MODIS의 36개 분광밴드 중 1번, 2번 밴드는 각각 공간해상도 250 m의 적색 파장대, 적외선 파장대여서 이 두 밴드를 이용하여 다음과 같이 NDVI 영상을 얻을 수 있다.
MODIS는 어떤 자료를 제공하나?
MODIS는 Earth Observing System(EOS) 위성에 연속적으로 탑재되어 있는 핵심센서로 36개의 채널로 구성되어 있고 250m, 500m와 1km 해상도의 자료를 제공한다[6]. NDVI는 MODIS의 표준 산출물로 정규적으로 제공되고 있는데 식생변화 탐지를 위해 개별 밴드를 직접 사용하는 것보다 외부적 요소에 의한 변이를 최소화한 형태의 식생지수를 사용하는 것이 더 좋은 결과를 주는 것으로 보고되고 있다.
NASA에서 MODIS의 식생지수 산출물을 16일 간격으로 합성하여 제공할 때, 16일 자료의 합성과정은 어떠한가?
MODIS 원 자료로부터 직접 NDVI를 산출하는 방법 외에도 NASA는 MODIS의 식생지수 산출물을 16일 간격으로 합성(composite)하여 250 m, 500m, 1 km 해상도로 정규적으로 제공하고 있다[6]. 16일 자료의 합성과정은 8일간씩 오버랩핑되며 산출되는데 MODIS 자료 중 기상상태의 영향과 관측각으로 인한 왜곡을 최소화 할 수 있는 방향으로 합성된다. 합성 과정과 관련 알고리즘에 관한 자세한 사항은 MODIS 웹 사이트에 제공되어 있다[6, 17].
참고문헌 (17)
D.J. Hayes, W.B. Cohen, S.A. Sader, and D.E. Irwin, 2008, "Estimating proportional change in forest cover as a continuous variable from multi- year MODIS data", Remote Sensing of Environment, vol. 112, pp. 735-749.
D.S., Boyd and F.M. Danson, 2005, "Satellite remote sensing of forest resources: three decades of research development", Progress in Physical Geography, vol. 29, no. 1, pp. 1-26.
INPE, 2008. Monitoramento da Floresta Amazoica Brasileira por Sateite. Projeto PRODES. http:// www.obt.inpe.br/prodes
JRC http://ec.europa.eu/dgs/jrc/index.cfm
M.C., Hansen, Y.E. Shimabukuro, P. Potapov, and K. Pittman, 2008, "Comparing annual MODIS and PRODES forest cover change data for advancing monitoring of Brazilian forest cover", Remote Sensing of Environment, vol. 112, pp. 3784-3793.
N. Pettorelli, J. Vik, A. Mysterud, J. Gaillard, C. Tucker, and N. Stenseth, 2005, "Using the satellite- derived NDVI to assess ecological responses to environmental change", Trends in Ecology & Evolution, vol. 20, no. 9, pp. 503-510.
P. Potapov, M.C. Hansen, S. V. Stehman, T. R. Lovel, and K. Pittman, 2008, "Combining MODIS and Landsat imagery to estimate and map boreal forest cover loss", Remote Sensing of Environment, vol. 112, pp. 3708-3719.
Q. Wang, and J.D. Tenhunen, 2004, "Vegetation mapping with multitemporal NDVI in North Eastern China Transect (NECT)", International Journal of Applied Earth Observation and Geoinformation, vol.6, no. 1, pp. 17-31.
R.S. Lunetta, J.F. Knight, J. Ediriwickrema, J.G. Lyon, and L.D. Worthy, 2006, "Land-cover change detection using multi-temporal MODIS NDVI data", Remote Sensing of Environment, vol. 105, pp. 142-154.
S. Jin and S.A. Sader, 2005, " MODIS time-series imagery for forest disturbance detection and quantification of patch size effects", Remote Sensing of Environment, vol. 99, pp. 462-470.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.